JOÃO FRANCISCO DE ALMEIDA JÚNIOR
PLANEJAMENTO DA PRODUÇÃO NA INDÚSTRIA DE LATICÍNIOS:
PRÁTICAS ATUAIS E DESENVOLVIMENTO DE UM PROTÓTIPO DE
SISTEMA DE APOIO À DECISÃO
Tese apresentada à Universidade
Federal de Viçosa, como parte das
exigências do Programa de PósGraduação em Ciência e Tecnologia de
Alimentos, para obtenção do título de
“Magister Scientiae”.
VIÇOSA
MINAS GERAIS – BRASIL
2004
JOÃO FRANCISCO DE ALMEIDA JÚNIOR
PLANEJAMENTO DA PRODUÇÃO NA INDÚSTRIA DE LATICÍNIOS:
PRÁTICAS ATUAIS E DESENVOLVIMENTO DE UM PROTÓTIPO DE
SISTEMA DE APOIO Á DECISÃO
Tese apresentada à Universidade
Federal de Viçosa, como parte das
exigências do Programa de PósGraduação em Ciência e Tecnologia
de Alimentos, para obtenção do título
de “Magister Scientiae”.
APROVADA: 16 de abril de 2004.
Cláudio Furtado Soares
Aziz Galvão da Silva Júnior
(Conselheiro)
(Conselheiro)
Ronaldo Perez
Heleno Nascimento Santos
Carlos Arthur Barbosa da Silva
(Orientador)
A Deus, aos meus pais João e Petinha, as minhas irmãs Cris e Carol, aos
meus respectivos cunhados Marcello e Kaká, a minha afilhada Luísa
(“Furdunço Véio”), a minha sobrinha Clara (“Tuzona”), a Fábia (“PátionPátion”), a minha segunda mãe “Tia Idi”, aos meus avós Zé Pedro e Nini, Nhô
(in memoriam) e Nenzinha, aos meus padrinhos, aos meus familiares e aos
meus amigos.
ii
Agradecimentos:
A Deus por iluminar o meu caminho, aos meus pais pelo amor, apoio e
exemplo de determinação, ao Professor Orientador Carlos Arthur pela
confiança, pelas oportunidades e por me conceder a chance de trabalhar e
aprender com a sua pessoa, a Fábia pelo carinho, amor, presença e força nos
momentos mais difíceis, aos professores José Luís Braga e Heleno
Nascimento pelos ensinamentos em suas disciplinas, aos professores
Fernando Reis e Paulo Cecon pelas dicas, a SH Informática pelo aprendizado
em programação, ao colega Rodrigo Albino Fontes e demais funcionários do
Laticínio-escola da FUNARBE pela atenção, às colegas Ronise e Simone pela
ajuda, ao Sindicato das Indústrias de Laticínios de Minas Gerais (SILEMG)
pelo apoio, as indústrias de laticínios do estado pela participação, aos
professores membros da banca de defesa de tese pelas sugestões, a todos os
amigos e funcionários do Departamento de Tecnologia de Alimentos DTA pelo
dia-dia, aos autores citados nas referências bibliográficas e ao povo brasileiro
que, por intermédio do CNPq, financiou este trabalho.
iii
BIOGRAFIA
JOÃO FRANCISCO DE ALMEIDA JÚNIOR, filho de João Francisco de
Almeida e Maria Perpétua Araújo Paiva Almeida, nasceu em Coronel
Fabriciano, Minas Gerais, aos 9 de março de 1979.
Concluiu o pré-escolar em dezembro de 1985, na Escola Lúcia Casasanta,
em
Timóteo,
Minas
Gerais.
Nos
anos
de
1994
e
1996
finalizou,
respectivamente, os ensinos fundamental e médio no Colégio Dom Bosco, na
mesma cidade.
Em março de 1997, ingressou no curso de Engenharia de Alimentos na
Universidade Federal de Viçosa, em Viçosa, Minas Gerais. Durante o período
de graduação participou de projetos e trabalhos de iniciação científica na área
de
elaboração
e
análise
de
perfis
interativos
de
empreendimentos
agroindustriais. Em maio de 2002, graduou-se Engenheiro de Alimentos.
Iniciou o curso de Mestrado em Ciência e Tecnologia de Alimentos em abril
de 2002, na mesma universidade, com projeto de pesquisa na área de
desenvolvimento de sistemas gerenciais de apoio à decisão para a indústria de
alimentos.
iv
ÍNDICE
RESUMO ...................................................................................................................... VII
ABSTRACT ................................................................................................................ VIII
APRESENTAÇÃO ......................................................................................................... 1
CAPÍTULO 1 .................................................................................................................. 3
PRÁTICAS ATUAIS DE DETERMINAÇÃO DOS PLANOS DE PRODUÇÃO NAS
INDÚSTRIAS DE LATICÍNIOS DE MINAS GERAIS .............................................. 3
EXTRATO .................................................................................................................... 3
1. INTRODUÇÃO .................................................................................................... 4
2. OBJETIVOS ......................................................................................................... 8
3. METODOLOGIA ................................................................................................. 9
4. RESULTADOS .................................................................................................. 13
4.1 Perfil geral das empresas entrevistadas ........................................................ 13
4.2 Controle dos custos de produção .................................................................. 17
4.3 Programação da produção: informações gerais ............................................ 19
4.4 Programação da produção: principais dificuldades e aspectos relevantes.... 21
4.5 Programação da produção: ferramentas de apoio e necessidades................. 25
4.6 Análise de relacionamento das variáveis estudadas ..................................... 27
5. CONCLUSÕES .................................................................................................. 31
ANEXO 1 – QUESTIONÁRIO QUALITATIVO ...................................................... 36
ANEXO 2 – TABELAS DE CONTINGÊNCIA PERCENTUAL.............................. 39
CAPÍTULO 2 ................................................................................................................ 42
USO DE MODELOS E FERRAMENTAS COMPUTACIONAIS DE APOIO À
DECISÃO EM AMBIENTES GERENCIAIS: UMA BIBLIOGRAFIA ANOTADA
..................................................................................................................................... 42
EXTRATO.............................................................................................................. 42
1. INTRODUÇÃO .................................................................................................. 43
2. OBJETIVOS ....................................................................................................... 47
v
3. METODOLOGIA............................................................................................... 48
4. RESULTADOS .................................................................................................. 50
5. CONCLUSÕES .................................................................................................. 72
6. REFERÊNCIAS.................................................................................................. 73
CAPÍTULO 3 ................................................................................................................ 77
DESENVOLVIMENTO DE UM PROTÓTIPO DE SISTEMA DE APOIO À
DECISÃO PARA O PLANEJAMENTO DA PRODUÇÃO EM LATICÍNIOS ....... 77
EXTRATO.............................................................................................................. 77
1. INTRODUÇÃO ................................................................................................. 78
2. OBJETIVOS ....................................................................................................... 81
3. METODOLOGIA............................................................................................... 82
4. RESULTADOS .................................................................................................. 85
4.1 O Modelo ...................................................................................................... 85
4.2 O Protótipo.................................................................................................... 90
4.3 Teste do protótipo ......................................................................................... 97
5. CONCLUSÕES ................................................................................................ 100
6. REFERÊNCIAS................................................................................................ 102
ANEXO 1 .................................................................................................................. 104
COMENTÁRIOS FINAIS ......................................................................................... 106
vi
RESUMO
ALMEIDA JÚNIOR, João Francisco de, M.S., Universidade Federal de Viçosa, abril
de 2004. Planejamento da Produção na Indústria de Laticínios: Práticas
Atuais e Desenvolvimento de um Protótipo de Sistema de Apoio à Decisão.
Orientador: Carlos Arthur Barbosa da Silva. Conselheiros: Cláudio Furtado
Soares e Aziz Galvão da Silva Júnior.
Principalmente desde o início dos anos 90, a acentuação do processo de
globalização econômica, aliada às mudanças políticas estruturais na esfera nacional,
gerou um novo ambiente competitivo que afetou fortemente todos os componentes da
cadeia produtiva de leite brasileira. Nesse contexto, os laticínios de pequeno e médio
porte, normalmente com grandes carências de pessoal e ferramentas gerenciais, têm
sido negativamente afetados, e vêm gradualmente perdendo espaço para as maiores
indústrias do setor. No sentido de contribuir com a análise dessa questão, o presente
trabalho de tese objetivou o estudo de uma das atividades mais importantes no âmbito
gerencial, o planejamento da produção, ainda pouco investigado e muitas vezes
desprezado por gestores laticinistas. Num primeiro momento, foram identificadas as
práticas e ferramentas gerenciais atualmente adotadas pelos laticínios na
programação da produção, através da aplicação de um questionário em uma amostra
de indústrias de Minas Gerais. O levantamento revelou que boa parcela delas não
desfruta de métodos de apoio à programação da produção, definindo seus planos
produtivos mais com base em aspectos subjetivos, como a experiência dos
responsáveis, do que em aspectos objetivos como a margem de contribuição dos
produtos. Posteriormente, foi feita uma revisão bibliográfica dos trabalhos realizados
nos últimos anos sobre o uso de algumas técnicas de Pesquisa Operacional e
Simulação no desenvolvimento de modelos e ferramentas de apoio à gerência. A
revisão destacou uma base de métodos computacionais para a realização da etapa
final do projeto de tese. Essa, por sua vez, consistiu na construção de um protótipo de
sistema informatizado de apoio à definição do mix semanal de produção em laticínios,
com interface amigável em planilha eletrônica e automatização de tarefas em código
VBA. Usando um modelo básico de Programação Linear, o sistema foi testado a partir
de dados reais de um laticínio mineiro de pequeno porte, mostrando-se como uma
ferramenta de fácil uso e que certamente pode contribuir na melhoria do processo
gerencial de planejamento da produção em laticínios.
vii
ABSTRACT
ALMEIDA-JÚNIOR, João Francisco de, M.S., Universidade Federal de Viçosa, April
2004. Production Planning in Dairy Industry: Current Practices and a
Decision Support System Prototype Development. Adviser: Carlos Arthur
Barbosa da Silva. Committee members: Cláudio Furtado Soares and Aziz
Galvão da Silva Júnior.
Since the beginning of the nineties, all of the components of the Brazilian milk
production chain have been suffering the impacts of the economic globalization
process as well as of some national policies changes, both leading to a novel
competitive environment. Usually lacking adequate personnel and managerial tools,
the medium-sized and small dairy plants have been affected negatively by this
environment as they can not compete with the largest companies of the sector.
Knowing the importance of these facts for the economy of the country, the present
thesis aimed to study production planning practices of milk processing plants of Minas
Gerais State. Despite their great managerial importance, the activities related to
production planning are still not properly investigated and, are often neglected by dairy
managers. First, a questionnaire was applied to a sample of dairy plants of Minas
Gerais State in order to identify production planning practices and managerial tools
adopted by them. The research revealed that a large number of the dairies inquired do
not use production planning support methods. These companies define their
productive plans based more in subjective aspects, such as the manager’s experience,
than in objective ones such as product profits. The study also included a brief literature
review of works developed in the last years related to the use of operational research
and simulation techniques in the development of models and tools for management
support. The revision pointed out a number of computer-based methods that aided the
execution of the final stage of the thesis project, which involved the development of a
prototype to support the product mix decisions. The system had a friendly interface,
developed using VBA code for Microsoft Excel. By means of a linear programming
model, the prototype was tested with real data from a small dairy plant. The results
showed that the model could be easily used to contribute to the improvement of
production planning process in dairy industries.
viii
APRESENTAÇÃO
O agronegócio do leite brasileiro sofreu e ainda vem sofrendo fortes
mudanças na sua estrutura, oriundas principalmente do processo de
globalização econômica e de decisões governamentais nos primeiros anos da
década de 90, causando impacto direto nos participantes da cadeia produtiva,
desde
a
produção
no
campo,
passando
pela
industrialização
e
comercialização, e chegando até o consumo final nos lares de milhões de
brasileiros.
Nesse contexto, as indústrias de laticínios, especialmente as de pequeno e
médio porte, não têm mostrado um balanço muito positivo em meio às
características do novo ambiente, marcado por maior exigência dos
consumidores e da legislação, aumento da concorrência e da estabilidade
econômica. De forma gradual e crescente, os laticínios e cooperativas de
menor porte, muitas vezes reconhecidos pela adoção de práticas gerenciais
atrasadas e de cunho familiar, vêm perdendo competitividade frente às
grandes empresas do setor. Em razão disso, diversas autoridades, analistas,
autores e trabalhos de pesquisa têm apontado que o uso de técnicas e
ferramentas gerenciais em sintonia com a nova visão de competitividade são
primordiais àquelas empresas que realmente almejarem manter-se em
atividade.
Como forma de contribuir com o ramo industrial de laticínios do Brasil, e de
Minas Gerais em particular, o presente trabalho de pesquisa teve foco em uma
das mais importantes atividades no seu gerenciamento, o planejamento da
produção, ainda pouco investigado em suas minúcias e carente por
ferramentas específicas de apoio à decisão. Nessa linha, o corpo deste
trabalho de tese foi dividido em três capítulos distintos, porém correlacionados.
O capítulo I apresenta um levantamento realizado junto às indústrias de
laticínios do estado de Minas Gerais que visou, através da aplicação de
questionários com os gerentes responsáveis pelo planejamento da produção,
identificar e analisar as práticas e ferramentas de apoio atualmente adotadas
1
pelas
empresas
na
elaboração
dos
planos
de
produção
(focando
especialmente os aspectos relativos à definição do mix de produtos),
permitindo a constituição de uma base de informações gerenciais para o
desenvolvimento de um protótipo computacional de suporte à decisão.
O embasamento para a construção e implementação efetiva do protótipo
baseou-se em uma breve revisão dos trabalhos realizados nas últimas
décadas sobre o uso de técnicas de programação linear, heurística e
simulação no desenvolvimento de modelos e ferramentas computacionais em
ambientes gerenciais (na área de alimentos e outros setores da economia). Os
resultados dessa revisão, na forma de resumos devidamente classificados por
área de aplicação, ano de publicação e tipo de modelagem adotada, são
apresentados no capítulo II.
Finalmente, o capítulo III, seguindo as necessidades identificadas no
levantamento com as empresas laticinistas e baseando-se na revisão dos
métodos de modelagem e de implementação computacional, consistiu no
desenvolvimento de um protótipo de sistema de apoio à decisão na definição
semanal do mix de produção. Construído em planilha eletrônica com
automatização de tarefas em código VBA de programação foi testado a partir
de dados reais de um laticínio de pequeno porte da Zona da Mata mineira.
2
Capítulo 1
PRÁTICAS ATUAIS DE DETERMINAÇÃO DOS PLANOS DE PRODUÇÃO NAS
INDÚSTRIAS DE LATICÍNIOS DE MINAS GERAIS
EXTRATO
As recentes transformações sofridas pelo setor de leite e derivados, especialmente
no princípio dos anos 90, geraram um novo ambiente competitivo no qual as
atividades gerenciais tornaram-se uma questão de sobrevivência para as indústrias de
laticínios. Nesse contexto, a atividade de elaboração de planos de produção aparece
como uma das mais essenciais, permitindo uma eficiente alocação dos recursos
produtivos disponíveis. Como forma de atender às atuais necessidades do corrente
ambiente competitivo, o presente trabalho procurou identificar e analisar as atuais
práticas de definição de planos de produção nas indústrias do estado de Minas
Gerais. Para isso procedeu-se, através de amostragem probabilística, a aplicação de
um questionário qualitativo com gerentes de um amostra de empresas do setor. O
tratamento das respostas baseou-se em análises de freqüência e de cruzamento de
variáveis para conhecer com mais detalhes o recente estágio de aplicação das
técnicas de programação da produção. Os resultados confirmaram um perfil industrial
previamente conhecido, marcado por uma maioria de laticínios de baixo volume de
recepção, pequena diversidade de produtos e que utilizam métodos tradicionais de
apuração dos custos de produção. O levantamento revelou, em contrapartida, uma
face ainda desconhecida, em que boa parcela das indústrias não desfruta de métodos
e ferramentas de apoio à programação da produção, definindo seus planos produtivos
mais com base em aspectos subjetivos, como na experiência dos responsáveis, do
que em aspectos objetivos como a disponibilidade de mão-de-obra operacional e
margem de contribuição dos produtos. A análise estatística expressou, a priori, não
existirem grupos de laticínios com características semelhantes quanto a atividade
gerencial estudada. Em conseqüência disso, devem o quanto antes, ser tomadas
ações efetivas por parte dos gestores ligados ao ramo industrial de laticínios no
sentido de agregar competitividade e de melhorar e incentivar o processo de
elaboração de planos de produção.
3
1. INTRODUÇÃO
Constituindo parte fundamental da cadeia agroindustrial de alimentos
brasileira, o setor de leite e derivados é reconhecido por desempenhar função
econômica e social marcante. Segundo a FAO (2003), o Brasil é detentor do
sexto maior volume de produção de leite de vaca do globo, com cerca de 22
bilhões de litros, respondendo por 5,8% do total mundial. Em adição, o país
vem
mostrando,
nos
últimos
anos,
uma
evolução
da
produção
consideravelmente superior à notada em outras regiões do mundo. Entre 1992
e 2002, por exemplo, enquanto o Brasil acumulou um crescimento em volume
de 46,8%, a média da América do Norte foi de 9,3% e a Européia, que teve
uma retração no período, foi de -2,8%. Vale ressaltar ainda que o valor da
produção do setor é estimado, de acordo com o departamento técnico da
FAEMG (2002), em 5,5 bilhões de reais no ramo de produção e 12,5 bilhões no
ramo comercial.
No cunho social, a valia do setor fica ainda mais evidente. Além de possuir,
dentre formais e informais, aproximadamente 1 milhão de produtores rurais
espalhados por seu território (JANK & GALAN, 1999) e constituir a principal
fonte de renda de centenas de milhares de famílias do campo, a cadeia
produtiva do leite conta com um parque industrial de cerca de 10 mil empresas
formais que geram quase 100 mil postos de trabalho (IBGE,2000).
No âmbito nacional pode ser destacado um Estado em especial. Com a
maior fatia em volume de produção (29%) segundo EMBRAPA (2002), Minas
Gerais é conhecido como o mais tradicional e importante na economia leiteira
do país. O estado responde ainda por metade da produção nacional de queijos
(ABIQ, 1998) e acumulou um avanço da sua produção superior a 30% em
volume nos últimos dez anos.
Esse recente quadro é em grande parte resultado das alentadas
transformações que ocorreram e vêm ocorrendo na estrutura da cadeia
produtiva do leite. Notadamente, o processo de globalização da economia
mundial em conjunto com o fim do tabelamento governamental de preços em
4
1991, a criação dos mercados comuns, especialmente do Mercosul, o advento
do Plano Real em 1994 e a implementação de políticas de maior abertura às
importações, fizeram com que o agronegócio brasileiro do leite ganhasse nova
conformação e dinâmica quando comparada às décadas anteriores.
O maior equilíbrio da economia, marcado pelo controle inflacionário, o
crescente aumento das exigências do consumidor, o fortalecimento da
concorrência nos diferentes elos da cadeia, já que mercados antes meramente
regionais tornaram-se agora nacionais ou até mundiais, a intensa ampliação da
variedade de produtos de laticínios (nacionais e importados), a instalação do
Programa Nacional de Qualidade do Leite (PNQL), que definiu novos
parâmetros de qualidade do leite, o enorme impulso do leite longa vida, novo
direcionador de preços, e a maior entrada de capital externo e de novas
tecnologias, geraram um recente ambiente de competitividade, onde ações
essenciais à sobrevivência de produtores, indústrias, distribuidores e varejistas
devem ser tomadas. Tal contexto está sintetizado na Figura 1.
Dentro da gama de necessidades levantadas pelo esquema da Figura 1, o
aprimoramento gerencial e o uso de ferramentas de apoio administrativo são
certamente as mais evidentes para a maior parcela do setor de laticínios, em
especial para as indústrias brasileiras. Como forma de justificar o argumento
acima serão referenciados alguns resultados obtidos em análises anteriores.
No diagnóstico do setor laticinista mineiro feito pelo SEBRAE/MG em 1997,
menos de 10% dos principais executivos dos laticínios possuíam formação
técnica específica (técnicos e tecnólogos em laticínios e engenheiros de
alimentos) na área de atuação. Além disso, menos da metade dos
administradores tinha algum curso superior.
Em pesquisa realizada por CARVALHO & SILVA (1997) junto à indústria
nacional de laticínios, apenas 60% das empresas do setor declararam
efetivamente possuir sistemas para o controle de custos, sendo que 11% não o
faziam periodicamente. Segundo levantamento realizado em laticínios do
Estado de São Paulo e Paraná, apresentada em SCRAMIN & BATALHA
(1998) o estágio de utilização de ferramentas de gestão de custos era
5
deficiente na maior parte das empresas do setor, principalmente entre as de
pequeno porte. Essas empresas mostraram possuir dificuldades financeiras
para a atualização tecnológica e para a aquisição de mão-de-obra
especializada para atender suas necessidades gerenciais. Para CARVALHO &
SILVA (1997) a falta de controle de custos na indústria de laticínios constitui
uma barreira importante para a competitividade das empresas, particularmente
em mercados de concorrência acirrada.
TRANFORMAÇÕES ESTRUTURAIS
Liberação de preços em 1991
Globalização e criação do MERCOSUL
Advento do Plano Real em 1994
Abertura às importações
NOVO AMBIENTE
Estabilidade Econômica
Maior Exigência do Consumidor
Aumento da Concorrência
Maior Diversidade de Produtos
Instalação do PNQL
Impulso do Leite Longa Vida
Acesso a novas tecnologias
NECESSIDADES ATUAIS
Coordenação entre os Elos da Cadeia
Atendimento aos Anseios do
Consumidor
Modernização na produção
Investimento em Capacitação Gerencial
Uso de técnicas e ferramentas
gerenciais em sintonia com a nova
visão de competitividade
Figura 1 – Necessidades geradas pelo novo ambiente competitivo
Ainda segundo esses últimos autores, o principal obstáculo para a
informatização nas indústrias de laticínios seria a falta de softwares específicos
para o setor. Dentre as funções esperadas destacaram-se algumas, como a
6
análise da situação atual da empresa, geração de relatórios gerenciais,
controle de processos, acompanhamento da logística, apuração de custos,
cálculo de lucratividade, controle de estoques, planejamento da produção,
entre outras.
Conseqüentemente, nesse panorama recente do setor de laticínios o
desfrute e aplicação das ciências gerenciais, através de pessoal qualificado e
ferramentas de apoio à decisão tornam-se vitais para a manutenção e
evolução das indústrias de laticínios do país no mercado globalizado. Dentre
as diversas funções e atividades gerenciais de uma empresa podemos
destacar, além do controle dos custos, o planejamento e controle da produção
no nível tático dos laticínios, essencial para a alocação ótima dos recursos
produtivos disponíveis, minimizando perdas e incrementando lucros.
A partir dessa visão, algumas atividades gerenciais propostas por CORRÊA
(1993), referenciadas por FILHO (1997) no capítulo 6 (“Planejamento e
Controle da Produção) de BATALHA et al. (1997), podem ser plenamente
aplicáveis para o setor de industrial de laticínios nacional. Dessa forma,
algumas necessidades específicas nas tarefas que compõem a etapa global de
controle e planejamento da produção são:
i.
Programar necessidades futuras de capacidade do processo de
produção, estruturando melhor a indústria para atender sua
demanda mercadológica.
ii.
Planejar a compra de insumos produtivos e matéria-prima, evitando
problemas de continuidade no processamento dos produtos.
iii.
Programar níveis adequados de estoques, tanto de matéria-prima e
insumos quanto de produtos acabados e em elaboração, reduzindo
custos de produção.
iv.
Programar o mix de produção e as atividades de produção, para que
haja eficiente alocação dos recursos produtivos e que as etapas do
processo produtivo estejam sempre providas de mão-de-obra e
materiais em hora e locais precisos.
7
Vale advertir que a implementação da atividade gerencial de planejamento
da produção e de suas ferramentas de apoio não são tão triviais. Além de
muitas vezes requererem tempo, mão-de-obra qualificada, conscientização e
atuação de todos os componentes da fábrica, desde o setor operacional até a
alta gerência, podem ser ainda necessários outros requisitos.
A elaboração de um plano de produção eficaz depende, além de um preciso
e estabelecido controle de custos de produção, de uma boa estrutura de
vendas e de informação do mercado consumidor. É ainda essencial um
minucioso conhecimento do processo produtivo, desde as operações e
recursos utilizados, até a ciência e tecnologia envolvidas em cada uma delas.
Portanto, a motivação para o presente trabalho, que objetiva avaliar as
atuais práticas, métodos e ferramentas utilizadas nas indústrias de laticínios de
Minas Gerais na determinação dos seus planos de produção, surge
principalmente a partir dos supracitados argumentos.
Além desses fatores pode-se acrescer a grande carência de informações de
pesquisas que avaliem com minúcia o processo de planejamento da produção
na indústria de laticínios, diferentemente do que ocorre para o tema de controle
de custos, fortemente estudado e disponibilizado na literatura. Tudo isso atua
como barreira de desenvolvimento do ramo industrial, dificultando ações
eficientes dos órgãos governamentais responsáveis, das instituições e
associações correspondentes e até mesmo das próprias cooperativas e
indústrias de laticínios.
2. OBJETIVOS
O trabalho pretende, através da aplicação de questionário qualitativo com
gerentes de produção de indústrias de laticínios de diferentes portes do Estado
de Minas Gerais, identificar e avaliar as atuais práticas adotadas na definição
dos planos de produção, especialmente no que se refere ao planejamento do
mix de produtos.
8
Especificamente pretendeu-se:
i.
Identificar as principais características, variáveis e dificuldades
envolvidas no processo de definição do mix de produção;
ii.
Identificar as formas de apuração de custos e os atuais métodos e
ferramentas de apoio adotadas para auxiliar na determinação dos
planos de produção;
iii.
Realizar análise estatística simples e de cruzamento de variáveis a
fim de definir as de maior relevância no processo de programação
da produção e as tendências de relacionamento entre elas.
3. METODOLOGIA
Os métodos utilizados na efetuação dos objetos do presente estudo foram
divididos em 5 etapas básicas (não necessariamente nessa ordem):
i.
Identificação do problema e das possibilidades de solução
A identificação da necessidade de investigar as atuais práticas
adotadas pelas indústrias de laticínios surgiu basicamente de dois
vértices: revisão bibliográfica prévia sobre a estrutura e carências do
setor e contato com pesquisadores e profissionais especializados em
industrialização de leite e derivados e em apoio decisório gerencial. Os
possíveis métodos de solução foram igualmente levantados através de
revisão de literatura, agora sobre metodologia de pesquisa. A opção
pela aplicação de questionário qualitativo, por telefone, baseou-se
principalmente na avaliação subjetiva da disponibilidade dos recursos
de tempo e de capital, na qualidade de resposta, além dos efetivos
resultados encontrados em trabalhos similares, caso do levantamento
anterior de CARVALHO & SILVA (1997).
9
ii.
Elaboração e pré-teste do questionário qualitativo
A estruturação do questionário (formulação de enunciados, tipo, ordem
e número de questões, número de opções, dentre outros) usou como
base os principais pontos e questões identificadas por meio de revisão
de literatura sobre surveys amostrais (MALHOTRA, 2000), controle de
custos (CARVALHO & SILVA, 1997) e planejamento da produção
(FORNETTI & SILVA, 1988) na indústria de laticínios. Além disso,
foram realizados debates informais com profissionais de indústrias de
laticínios, técnicos e pesquisadores da área de tecnologia de
alimentos, além de professores e especialistas nas áreas de apoio
decisório e engenharia de produção. Finalizada a versão preliminar, o
questionário foi reformulado a partir de um pré-teste, através da
aplicação do mesmo com cinco (5) gerentes de produção de indústrias
de laticínios.
iii.
Definição da população a ser estudada
Nessa etapa a escolha preliminar das indústrias de Minas Gerais deuse pela grande força econômica e representatividade do setor na
esfera nacional além da maior facilidade de contato com as mesmas.
A
definição
da
população
propriamente
dita
baseou-se
no
levantamento das principais listas (frames) disponibilizadas pelos
órgãos e institutos ligados às indústrias de laticínios do estado. Optouse pela lista de empresas associadas ao Sindicato das Indústrias de
Laticínios de Minas Gerais (SILEMG), em razão de sua grande
abrangência, com 239 indústrias espalhadas pelas diferentes regiões
mineiras.
10
iv.
Determinação
do
tamanho
da
amostra
e
aplicação
dos
questionários
Nessa parte do trabalho optou-se por uma amostragem probabilística
simples. Os motivos foram: boa adequação das características da
população estudada em relação a esse tipo de amostragem e
impossibilidade de estratificação devido à falta de informações
disponibilizadas para tal, na própria lista de empresas em estudo.
Assim, a determinação do tamanho da amostra efetivou-se a partir das
seguintes formulações estatísticas propostas em COCHRAN (1965):
a)
nI =
z 2 ⋅ p ⋅ (1 - p )
e2
, para determinar o tamanho da amostra para
populações infinitas, onde:
nl = tamanho inicial da amostra (populações infinitas).
z = valor da abscissa da distribuição normal para um dado nível de
confiança.
e = nível de precisão desejado.
p = grau de variabilidade da amostra ou proporção em que
determinada característica está presente na amostra.
nF =
b)
nI
n
1+ I
N
para correção do tamanho da amostra para uma
população finita, onde:
nF = tamanho final da amostra (população finita)
N = tamanho da população
Para a aplicação das fórmulas estatísticas considerou-se um nível
de confiança de 95% e, consequentemente, um valor de z = 1,96. O
erro amostral ou nível de precisão adotado na análise foi de 5%. Na
estimação do grau de variabilidade (p), adotou-se a técnica de
amostra-piloto, composta por 15% das unidades amostrais (percentual
considerado de acordo com as disponibilidades de tempo e capital da
11
pesquisa). As entrevistas foram procedidas por telefone com os
principais responsáveis de cada laticínio na etapa de programação da
produção. Desse modo, foram aplicados aleatoriamente trinta e seis
(36) questionários, cada um com 15 questões (múltipla escolha e
semi-abertas). A aleatoriedade foi obtida através da geração de
números aleatórios, com auxílio de planilha eletrônica (Microsoft Excel
2000). A partir dos resultados da amostra-piloto, o valor de p estimado
correspondeu ao percentual binário (sim ou não) de respostas da
questão 11 (ver Anexo 1). Tal questão refere-se à adoção, ou não, de
métodos matemáticos específicos para auxiliar no processo de
determinação dos planos de produção. Das trinta e seis empresas
indagadas, somente uma declarou empregar método matemático
típico para apoiar as decisões referentes ao processo de programação
da produção. Portanto, o grau de variabilidade p da amostra usado no
cálculo foi de 2,77% ou 0,0277. Como o tamanho da população,
composta pelas empresas associadas ao SILEMG, era de 239, a
amostra foi assim determinada:
i.
Cálculo do tamanho da amostra para uma população infinita:
nI = z2 . p . (1 – p) = (1,96)2.0,0277. (1 – 0,0277) / (0,05)2 = 41,3859
e2
ii.
Correção para uma população finita:
nF =
nI
= 41,3859 / (1 + 41,3859/239) = 35,2772
1 + nI
N
Destarte, estatisticamente seria necessária a aplicação aleatória de
no mínimo 36 questionários. Neste estudo, em especial, foram feitas
40 entrevistas aleatórias com gerentes de produção de indústrias de
laticínios de diferentes portes do Estado de Minas Gerais.
12
v.
Tabulação e análise dos dados
A tabulação e preparação dos dados para seguir as análises
estatísticas foram feitas em planilha eletrônica (Microsoft Excel 2000).
As estatísticas simples (freqüência de ocorrência das respostas das
questões do questionário) foram também feitas na própria planilha
eletrônica, utilizando funções estatísticas e matemáticas convencionais
do programa. As tabelas de cruzamento das variáveis e o teste de quiquadrado para independência de variáveis, descrito e exemplificado
por MAFFIA (1970), foram feitas com auxílio do pacote estatístico
SPSS for Windows, versão 11.5.
4. RESULTADOS
4.1 Perfil geral das empresas entrevistadas
O grupo de empresas entrevistadas foi indistintamente constituído por
empresas particulares, com e sem Serviço de Inspeção Federal (SIF), por
cooperativas regionais, centrais, dentre outras. No trabalho, as mesmas foram
perfiladas seguindo quatro critérios: volume diário de recepção de matériaprima (leite cru), número de total de funcionários operacionais, linhas de
produtos e número de itens diferentes produzidos.
Para o critério de volume de leite cru recebido, nota-se, pela Figura 2, que a
maior parte das empresas pesquisadas capta diariamente quantidades
inferiores a 5.000 litros. Segundo o diagnóstico do SEBRAE/MG (1997), o
volume médio diário de industrialização dos laticínios sem SIF do Estado (que
correspondiam a mais de 80% do total de estabelecimentos) era inferior à
6.000 litros. Estendendo a análise, cumulativamente 65% das indústrias
entrevistadas recebem volumes inferiores a 20.000 por dia de operação. Os
argumentos novamente caracterizam, além de uma possível maior incidência
13
de empresas sem Serviço de Inspeção Federal, uma menor ocorrência de
fábricas de grande porte no grupo estudado.
100001 à 200000 L/dia
5%
50001 à 100000 L/dia
5%
até 5000 L/dia
35%
20001 à 50000 L/dia
25%
'
5001 à 10000 L/dia
10001 à 20000 L/dia
12,5%
17,5%
Figura 2 – Perfil das Empresas de acordo com Volume Diário de Recepção.
A Figura 3, que retrata a disponibilidade de mão-de-obra operacional das
empresas, mostra uma tendência similar. Em 60% dos laticínios consultados
tal disponibilidade é de até 20 funcionários no setor produtivo. Segundo a
classificação do SEBRAE, indústrias com total de funcionários (administração e
produção) inferior a 99 são consideradas micro ou pequenas empresas.
Unindo tal classificação aos dados apresentados no diagnóstico da industria de
laticínios mineira, feito pelo SEBRAE/MG em 1997, que afirma que entre 70 e
79% do total de funcionários dos laticínios do estado atua na área produtiva,
pode-se novamente verificar um perfil majoritário de micro e pequenos
laticínios no levantamento.
14
101 à 200 funcio nário s
até 5 funcio nário s
13%
15%
51 à 100 func io nário s
10%
6 à 10 funcio nário s
15%
21 à 50 funcio nário s
18%
11 à 20 funcio nário s
29%
Figura 3 – Perfil das Empresas de acordo com a oferta de mão-de-obra
operacional.
Com relação às linhas de produtos produzidos, apresentadas na Figura 4, a
forte incidência (82,5%) de laticínios mineiros que produzem algum tipo de
queijo vem de encontro aos dados da Associação Brasileira das Indústrias de
Queijo (1998), nos quais o Estado de Minas Gerais aparece como o grande
produtor nacional de queijos, com cerca da 50% do total produzido no país.
Essa tendência pode ser em geral explicada pela falta de estrutura tecnológica
e administrativa desses estabelecimentos (impossibilitando a produção e
desenvolvimento
de
outros
produtos),
além
da
maior
facilidade
de
comercialização desse derivado (suas características físico-químicas e
microbiológicas permitem maior tempo de vida útil comparado a outros
derivados, reduzindo perdas).
A manteiga e o requeijão são derivados também bastante freqüentes nas
linhas de produtos dos laticínios em estudo, abrangendo mais da metade
fábricas, como mostra a Figura 4. O aproveitamento do subproduto creme de
leite gerado a partir da produção de outros produtos e as boas margens de
lucro fornecidas, são motivos plausíveis para tal fato.
15
Ainda na Figura 4, deve-se chamar a atenção para o modesto percentual
(10%) de empresas que produzem leite esterilizado (“longa vida”). Apesar de
atualmente esse derivado ter uma grande participação em volume processado,
constituindo o principal balizador de preços do mercado nacional, sua
industrialização requer instalações de significante investimento e pessoal
qualificado, dificultando sua maior disseminação no setor de leite e derivados.
O utro s
D o c e de Leite
M anteig a
Io gurte o u B e bida Láctea
R equeijão
Q ueijo s (div e rs o s )
L e ite UA T
L e ite P a s teurizado
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
Figura 4 – Perfil das Empresas de acordo com as linhas de produtos dos
laticínios.
O gráfico seguinte (Figura 5) esboça o perfil dos laticínios do presente
levantamento em relação ao número de itens produzidos (produtos diferentes
quanto ao conteúdo e peso líquido da embalagem). Nota-se claramente que
apenas uma pequena parcela das empresas (20%), tem um mix total de
produtos superior a vinte (20) itens. Apesar de não terem sido encontrados
dados ou trabalhos na literatura que tenham abordado essa questão para a
indústria de laticínios em especial, sabe-se que o número de diferentes
produtos fabricados (mix de produção) está intimamente ligado à estrutura
tecnológica e gerencial dos laticínios. Empresas líderes do setor, reconhecidas
por seu alto padrão tecnológico e administrativo, caso da Itambé, Nestlé e
Danone, possuem uma diversidade de produtos derivados do leite muito
16
superior a 20 itens, atendendo mais eficientemente aos diferentes nichos de
mercado.
31 e 50 itens
10%
21 e 30 itens
até 5 itens
10%
30%
6 e 10 itens
1 2 .5 %
11 e 20 itens
3 7 .5 %
Figura 5 – Perfil das Empresas de acordo com o número de produtos.
4.2 Controle dos custos de produção
No presente levantamento as empresas foram brevemente indagadas sobre
aspectos relativos ao controle e apuração dos custos, principalmente em razão
da estreita relação que tem esse ponto com o processo de programação da
produção.
Dos quarenta laticínios investigados, apenas nove (9) declararam não
realizar nenhum tipo de controle de custos. Consequentemente, 77,5% das
empresas alegaram realizar algum tipo de controle dos custos de produção.
Com relação aos métodos adotados por tais empresas, podem ser
destacados os cálculos através dos custos diretos de produção e por centro de
custo, como retratado na Figura 6. A alocação dos custos em função da
proporção dos custos diretos de cada produto, assim como no método
tradicional por volume de matéria-prima utilizada, pode levar à perda de
precisão na determinação dos custos unitários, caso efetivamente não haja
17
relação de proporcionalidade com os custos indiretos de produção. Tal fato
pode ainda ser acentuado se a razão entre os custos indiretos e diretos, nessa
ordem, for significativamente grande (FIGUEREDO, 1997). Para o caso do
método por centro de custo, os erros relativos à alocação dos gastos são
diminuídos quando comparados à alocação tradicional. Isso ocorre porque a
apuração é feita isoladamente para cada setor, departamento ou linha de
produtos da fábrica com operações que possuem certas similaridades, sendo
rateados somente os custos gerais a todos os produtos produzidos.
A alocação por custo-padrão, feita através do uso de coeficientes técnicos
de produção (como a quantidade de leite cru ou de embalagem necessária
para produzir uma unidade de um determinado produto), é mais adequado em
empresas com atividades padronizadas (FIGUEREDO, 1997). Normalmente
quando implementado corretamente permite o alcance de boas estimativas,
uma vez que o custo unitário composto não é função de um único índice, como
ocorre nos métodos tradicionais. Como notado pela Figura 6, esse método tem
a adoção em uma restrita parcela dos laticínios investigados.
Apesar de ser o mais recomendado na maioria dos casos e possuir maior
precisão quando comparado aos demais métodos, o “custeio ABC” foi o menos
freqüente nas empresas estudadas (Figura 6). Nesse sistema os custos
indiretos totais são distribuídos em função do dispêndio das operações
específicas (atividades) à produção de cada um dos produtos, permitindo uma
eficiente alocação dos mesmos (FIGUEREDO, 1997).
18
Outros
12,9%
Por custo-padrão
6,5%
Por volume de produção
16,1%
Pelo método ABC
3,2%
Por centro de custo
22,6%
Por custo direto
38,7%
Figura 6 – Métodos de apuração de custos usados pelas empresas.
Pela figura acima verifica-se que grande parcela dos laticínios do Estado
ainda adotam métodos tradicionais de custeio (por volume e custo direto),
apesar das limitações inerentes ao uso destes. Paradoxalmente a confiança no
atual método de apuração foi considerada alta para mais de dois terços
(67,7%) dos laticínios e média para os demais (32,3%). Nenhum laticínio
declarou ter baixa ou nenhuma confiança no método adotado.
4.3 Programação da produção: informações gerais
Nesse item começam a ser apresentados e discutidos os pontos mais
relevantes do presente estudo. Se faz, quem faz, como faz e quando faz são
algumas das questões levantadas para iniciar a investigação sobre o processo
de programação da produção atualmente feito pelos laticínios do Estado de
Minas Gerais.
No levantamento realizado, 82,5% das empresas declararam realizar
freqüentemente, de forma prévia e formal, um plano dos produtos (e de suas
quantidades) a serem produzidos. Dentre os principais motivos apontados
pelos demais laticínios por não fazer programação da produção incluem-se a
19
pequena quantidade de produtos (menor que 3 itens diferentes), a
invariabilidade da produção ao longo do tempo, o giro rápido dos produtos
produzidos ou que a empresa estava organizando-se para implantar o
processo de programação.
Com relação ao principal funcionário responsável por efetuar o plano de
produção destacam-se os cargos de gerente de produção, com 42,4% das
empresas e de supervisor e técnico de produção, ambos com 12,1%. Foram
também citadas as funções de vendedor (6,1%), diretor administrativo (6,1%) e
outras (21,2%) como proprietário, queijeiro-chefe e operador (funcionário com
20 anos de experiência). Vale lembrar que os percentuais acima se referem ao
total de laticínios que alegaram fazer a programação da produção.
A Figura 7 retrata, também para o mesmo total, a freqüência (ou períodobase) com que as indústrias de laticínios mineiras elaboram seus programas
de produção. Nota-se o destaque absoluto dos períodos-base mais curtos,
diário e semanal, que juntos respondem por mais de 80% das empresas. Essa
resposta reflete, de certa maneira, a instabilidade do ambiente em que se
insere o setor industrial de laticínios, marcado pela freqüente variabilidade nos
âmbitos produtivo (inconstância de fornecimento de matéria-prima, insumos e
outros recursos, em volume e qualidade) e econômico (forte sujeição às
mudanças de mercado). Outros períodos citados foram: mensal e semestral
(outros).
20
M ensal
12,1%
O utra
3%
Q uinzenal
D iária
0%
42,4%
Semanal
42,4%
Figura 7 – Freqüência de realização da programação da produção
4.4 Programação da produção: principais dificuldades e aspectos
relevantes
A programação da produção é um processo complexo, constituído por uma
série de atividades operacionais, financeiras e humanas de vasta importância
na gerência de ambientes produtivos. Nesse ponto do presente trabalho, onde
todos os percentuais referem-se ao total de empresas que elaboram planos de
produção, serão apresentadas as respostas que correspondem aos fatores
intrínsecos presentes no processo decisório de programação da produção dos
laticínios inquiridos, com foco especial nos aspectos referentes à definição do
mix de produção.
Dentro do processo global de programação da produção as principais
dificuldades apontadas foram: planejar a compra de materiais (24,2%),
incluindo aquisição de matéria-prima e outros insumos, definir o mix de
produção propriamente dito (15,2%), planejar vendas (12,1%) e controlar os
níveis de estoques de produtos acabados (9,1%). Nenhum dos laticínios
entrevistados referiu-se a problemas proeminentes na definição da ordem
(seqüência) de produção e na elaboração de cronogramas de mão-de-obra.
21
Apesar disso, o fator culminante nesse ponto do levantamento está na
resposta de quase 40% das empresas, que assumiram não haver dificuldades
relevantes em nenhuma etapa relativa ao processo de programação da
produção.
As empresas foram posteriormente indagadas sobre aspectos referentes a
variação dos níveis de produção (mix de produtos) no decorrer do tempo. Mais
da metade (54,5%) declarou que há forte variação dos produtos (e das
respectivas quantidades) manufaturados ao longo do ano, fato que de certo
modo acentua a importância de se programar previamente a produção. Os
demais laticínios alegaram haver pouca (36,4%) ou nenhuma (9,1%) alteração
sazonal do mix de produção.
Aprofundando no processo de programação da produção dos laticínios do
Estado, foram identificadas as principais informações (e seus níveis de
importância) que atualmente influenciam o processo de tomada de decisão dos
gerentes laticinistas.
Para isso, foram previamente listados sete grupos de informações que
poderiam ter relação direta com a definição dos planos de produção nos
laticínios. São eles: volume de pedidos e encomendas de clientes,
disponibilidade de matéria-prima, capacidade operacional dos equipamentos e
máquinas,
disponibilidade
de
mão-de-obra
operacional
(homens-hora),
margem de contribuição dos produtos, históricos de produção (mixes
anteriores) e experiência do funcionário responsável pela programação da
produção. Os entrevistados classificaram subjetivamente, de acordo com o
grau de importância (nenhuma, pouca, razoável e muita), cada um desses
grupos de informações (Ver questão 10 do Anexo 1).
Como pode ser visualizado na Figura 8, os grupos de informações mais
freqüentemente classificados como de “nenhuma” importância no processo de
programação da produção foram a capacidade dos equipamentos, a
disponibilidade de mão-de-obra e a margem de contribuição, todos com quase
40% das respostas.
22
As respostas classificadas como de “pouca” e “razoável” ocorreram em
menor magnitude quando comparadas as outras duas (“nenhuma” e “muita”).
Destacam-se aqui a disponibilidade de mão-de-obra, com mais de 20% das
respostas para “pouca” importância, e a margem de contribuição, com quase
30% das empresas classificando essa informação como de “razoável”
importância.
Na classificação “muita” importância destacam-se aquelas informações
mais freqüentes, tais como experiência do funcionário responsável pela
programação, pedidos e encomendas de clientes e oferta de matéria-prima.
Em contrapartida as menos citadas nessa classe foram os grupos relativos à
capacidade dos equipamentos, oferta de mão-de-obra e margem de
contribuição dos produtos.
Experiência (responsável)
Históricos (mixes anteriores)
Margem de Contribuição
Muita
Razoável
Disponibilidade Mão-de-obra
'
Pouca
Nenhuma
Disponibilidade Equipamentos
Disponibilidade Matéria-prima
Pedidos e encomendas
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
Figura 8 – Freqüência das classificações (muita, razoável, pouca e nenhuma
importância) para os grupos de informações.
Ainda em relação aos grupos de informações relevantes na programação,
foi elaborado um “ranking” de importância de acordo com o valor da moda
23
(valor mais freqüente) e da média aritmética de cada um. Para isso foram
adotados os seguintes escores ou notas: 1 (nenhuma), 2 (pouca), 3 (razoável)
e 4 (muita). A Tabela 1 mostra tal análise.
Tabela 1 – Ranking da importância das informações de acordo com a moda e
média dos escores adotados.
Item
Grupo de Informação
1
Experiência (Responsável)
2
Pedidos e encomendas
3
Disponibilidade Matéria-prima
4
Históricos (mixes anteriores)
5
Disponibilidade Equipamentos
6
Disponibilidade Mão-de-obra (Operacional)
7
Margem de Contribuição dos Produtos
Moda
4
4
4
4
1
1
1
Média
3.73
3.36
3.18
2.61
2.45
2.36
2.33
Como se pode notar, quatro grupos obtiveram moda igual a 4, ou seja, tais
informações foram mais freqüentemente classificadas como de “muita
importância”. Os outros três, inversamente, ocorreram mais vezes com a
classificação “nenhuma importância”. Sendo assim, usou-se o valor da média
como critério de desempate para formar o ranking (Tabela 1). Novamente os
grupos de informações teoricamente mais relevantes são a experiência do
responsável, os pedidos e encomendas e a disponibilidade de leite cru, e os
menos a disponibilidade dos equipamentos e mão-de-obra e a margem de
contribuição dos produtos.
Apesar disso, informações como históricos de produções anteriores,
capacidades operacionais dos equipamentos e margem de contribuição dos
produtos, apesar de ocorrerem com boa freqüência (entre 30 e 40%) na classe
“nenhuma”, mais da metade das empresas consideram-nas de “razoável” a
“muita” importância.
É importante também ressalvar que outros grupos de informações, como
níveis de estoques e disponibilidade de insumos, foram também citados por
algumas empresas como muito relevantes na definição dos planos de
produção.
24
4.5 Programação da produção: ferramentas de apoio e necessidades
Finalizando
o
levantamento,
os
laticínios
que
alegaram
efetuar
programação foram averiguados com relação às ferramentas atualmente
empregadas para auxiliar no processo de programação da produção e
questionados sobre quais as medidas necessárias para facilitar tal processo.
Além disso, os entrevistados foram indagados sobre a confiança depositada
em um programa de computador específico para assisti-los na elaboração dos
planos de produção.
As respostas relativas aos instrumentos de apoio reforçam a percepção
sobre o atraso gerencial e tecnológico do setor de laticínios brasileiro e mineiro
em particular. A quase totalidade dos laticínios (97%) declarou não utilizar
nenhum método matemático específico (sistemas de equações, programação
linear ou não-linear, simulação, modelos estatísticos de previsão, etc.) para
auxiliar na definição dos programas de produção. Em relação ao uso de
softwares de apoio a esta atividade gerencial, 63,6% dos entrevistados
alegaram não usar nenhum programa. Os demais declararam usar planilhas
eletrônicas ou outros programas (sistemas próprios e software Quanto1), como
pode ser visto na Figura 12.
1
O Quanto é um software de apuração e acompanhamento de custos de indústrias laticinistas
desenvolvido pelo Centro de Excelência em Laticínios em parceria com a Universidade Federal de
Viçosa.
25
O utro
P lanilha eletrô nic a
Nenhum
0%
10%
20%
30%
40%
50%
60%
70%
Figura 12 – Uso de software para ajudar na programação da produção
Para quase metade das empresas (48,5%) não é necessária nenhuma
medida ou ação para facilitar (ou melhorar) a programação da produção
(Figura 13). Muitas dessas empresas alegaram motivos como já ter um
programa de produção estabelecido, ou que esse processo gerencial é trivial,
sem
grande
relevância.
Termos
teóricos
gerais,
como
descrito
em
FIGUEREDO (1997) e exemplos práticos da literatura, como em SULLIVAN e
SECREST (1985), não atestam essa visão e argumentam sobre a nãotrivialidade e a grande vantagem competitiva de um efetivo plano da produção
nos ambientes produtivos e de laticínios em especial. Em contrapartida, como
mostrado na Figura 13, boa parcela das indústrias de laticínios do estado
assume e vislumbra possibilidades de aperfeiçoar essa ação gerencial. Um
terço dos laticínios entendem que a adoção de um programa de computador
específico poderia dinamizar e aprimorar a elaboração da programação da
produção. Outras medidas apontadas foram: treinamento do funcionário
responsável
pela
programação
(12,1%),
contratação
especialista na área (3,0%) e outras medidas (6,1%).
26
de
profissional
Nenhuma medida necessária
O utras m e didas
A do tar s o ftware para
pro g ramação
C o ntrataç ã o de co nsulto ria
C o ntrataç ã o e s p e c ialis ta
T re inamento do re s po ns á v e l
0%
10%
20%
30%
40%
50%
Figura 13 – Medidas apontadas para melhoria da programação da produção.
Por fim, quase 60% das empresas inquiridas declararam depositar de
razoável a muita confiança em um programa computadorizado desenvolvido
especificamente para auxiliá-las na definição dos seus planos de produção.
Para as demais (42,2%) há pouco ou nenhum crédito nesse tipo de ferramenta
de apoio.
Esse ponto do levantamento retrata, em parte, o atual estágio gerencial que
se encontra o ramo industrial de laticínios de Minas Gerais, com um reduzido
emprego de técnicas e ferramentas básicas para auxiliar o controle da
produção, além da notada falta de visão administrativa e competitiva por boa
parcela dos gerentes.
4.6 Análise de relacionamento das variáveis estudadas
A fim de identificar com maior nível de detalhe as características e
peculiaridades inerentes aos laticínios mineiros dentro do processo de
elaboração de planos de produção, a parte final desse levantamento procurou
27
averiguar se há relação (ou não) entre as variáveis (caracteres) estudadas nos
itens anteriores. As respostas dessa análise permitirão extrair conclusões mais
precisas, permitindo sugerir aos gestores do setor de laticínios (governo
estadual, sindicatos, institutos relacionados e as próprias empresas) ações
mais pontuais no sentido de incentivar e aprimorar essa atividade gerencial tão
importante na estratégia competitiva dessas empresas.
O exame de relacionamento foi feito através do cruzamento de variáveis
(usando tabelas de contingência percentual) e da aplicação do teste de quiquadrado para independência, que atesta estatisticamente a existência
probabilística, ou não, de associação (interação) entre duas variáveis no
sistema de dados estudado. Para isso foram escolhidas, em função de suas
representatividades, duas variáveis-chave para concretizar essa análise.
Optou-se por usar o volume de recepção e número de itens diferentes
produzidos como base para a investigação. O parâmetro-chave “volume de
recepção” foi cruzado com oito grupos de variáveis (apuração de custos,
realização da programação, freqüência da programação, importância dos
pedidos de clientes, da oferta de matéria-prima e mão-de-obra da capacidade
dos equipamentos e uso de software na programação). O parâmetro
“quantidade de itens” foi cruzado com cinco variáveis (apuração de custos,
realização da programação, freqüência da programação, alteração do mix e
uso de software na programação).
As tabelas de contingência percentual (Anexo 2) mostram algumas
tendências aparentes de interação. A análise de cruzamento mostra, de modo
geral, que quanto maior o volume de recepção do laticínio (porte da empresa)
mais freqüente é a apuração dos custos, a realização da programação da
produção e a adoção de softwares (como planilhas eletrônicas) para ajudar na
programação. Além disso, as indústrias de maior porte (acima de 30000 L/dia)
aparentam dar maior importância, para efetuar a programação, às informações
de volume de leite cru disponível, capacidade dos equipamentos e
disponibilidade de mão-de-obra operacional, quando comparadas às de menor
porte. Não foi detectada, em princípio, relação entre o volume de leite recebido
28
e a freqüência (diária, semanal, mensal, etc.) de realização dos programas de
produção.
As tabelas de contingência elaboradas para o cruzamento com o número de
itens fabricados mostram que as empresas com maior diversidade de produtos
tendem mais a fazer o controle dos custos e a programação da produção. Para
outras variáveis, como freqüência da programação, alteração sazonal do mix
de produção e uso de programa específico, não há associação aparente.
Os resultados do teste de qui-quadrado, aplicado a um nível de significância
de 1%, avaliaram as seguintes hipóteses:
i.
Hipótese de nulidade (H0) = variáveis são independentes
ii.
Hipótese alternativa (Ha) = variáveis não são independentes
O teste preconiza que se o valor calculado do pearson de qui-quadrado
(χ2o) for menor que o valor tabelado a 1% (χ20,01), não se rejeita H0, ou seja, as
variáveis estudadas não são dependentes do ponto de vista estatístico, nesse
nível de significância. A Tabela 1 apresenta os resultados do teste de quiquadrado para a independência, para todas as variáveis estudadas.
29
Tabela 1 – Resultados do teste de qui-quadrado para a independência
2,131
3,148
9,322
2,086
8,300
9,215
3,978
6,058
Graus de
liberdade
2
2
6
6
6
6
6
4
9,21
9,21
16,81
16,81
16,81
16,81
16,81
13,28
Número de itens produzidos versus
χ2o
Graus de
liberdade
χ20,01
Apuração dos custos de produção
Realização de programação da produção
Freqüência da programação da produção
Alteração sazonal do mix de produção
Uso de software na programação da produção
4,062
1,674
15,133
5,347
16,604
4
4
12
8
8
13,28
13,28
26,22
20,09
20,09
Item
Volume de recepção de leite versus
χ 2o
1
2
3
4
5
6
7
8
Apuração dos custos de produção
Realização de programação da produção
Freqüência da programação da produção
Importância dos pedidos dos clientes
Importância da disponibilidade de matéria-prima
Importância da capacidade dos equipamentos
Importância da disponibilidade de mão-de-obra
Uso de software na programação da produção
Item
9
10
11
12
13
χ20,01
Como pode ser notado na tabela acima, não há motivos para rejeição da
hipótese de nulidade (H0) já que em todos os cruzamentos avaliados χ20,01>χ2o.
Portanto, pelo teste de qui-quadrado para a independência ao nível de
significância de 1%, não há associação entre o volume de recepção de leite
com as variáveis estudadas. Da mesma forma, isto ocorre com o número de
itens fabricados.
Esses resultados revelam que o porte da empresa, medido pelo volume de
leite recebido diariamente, assim como a diversidade de produtos, avaliada
pelo número de itens diferentes produzidos, não possuem, por exemplo,
relação com o fato da empresa fazer ou não a programação da produção.
Portanto, diferentemente do notado através da avaliação aparente das tabelas
de contingência percentual, não é estatisticamente apropriado afirmar que essa
atividade gerencial será mais freqüente quanto maior for a recepção diária de
matéria-prima dos laticínios, ou vice-versa. Tal analogia vale para os demais
pares de variáveis estudadas.
30
5. CONCLUSÕES
O levantamento realizado no ramo industrial de laticínios do Estado de
Minas Gerais confirmou alguns aspectos e características previamente
conhecidas e revelou novas peculiaridades não avaliadas até então.
Antes de entrar no mérito dessa questão, é importante expor algumas
dificuldades inerentes ao presente estudo, válidas para alertar pesquisas
futuras
correlacionadas.
Mesmo
com
a
enorme
importância
e
representatividade nos âmbitos social e econômico do país, há ainda uma forte
carência de dados, informações e estatísticas básicas atualizadas sobre o
setor de laticínios que permitam alimentar requerimentos mínimos na condução
de pesquisas e trabalhos sobre o mesmo. No caso deste trabalho em particular
foi registrado, além da reduzida disponibilidade de listas das empresas de
laticínios do Estado, um bom número de informações incompletas e
desatualizadas sobre essas empresas.
Adicionalmente, a condução das entrevistas com os gerentes e técnicos
laticinistas revelou, em geral, a grande dificuldade de comunicação com os
mesmos. Pela aparente falta de qualificação profissional e administrativa,
notou-se clara dificuldade destes em explanar e discutir as minúcias do
processo de programação da produção colocadas em questão nesse
levantamento. Algumas respostas obtidas no estudo, de certa maneira,
confirmam o supracitado argumento.
O levantamento mostrou, além de um predomínio de micro e pequenas
empresas, um perfil de laticínio de baixo volume de recepção de matéria-prima,
pequena diversidade de produtos (marcados muitas vezes pela fabricação de
produtos menos elaborados) e com uso de métodos tradicionais de apuração
dos custos de produção. Vale ressaltar que esse predomínio é, em parte,
resultado da impossibilidade de estratificação (por porte da empresa) da
amostra de laticínios investigada.
Como um dos reflexos desse carente ambiente gerencial, a avaliação do
atual estágio do processo de programação da produção nos laticínios do
31
Estado mostrou dados preocupantes. Boa parcela das indústrias definem seus
planos de produção com base mais em aspectos subjetivos, como na
experiência (“feeling”) adquirida pelos responsáveis pela programação, do que
em aspectos objetivos como capacidade dos equipamentos, disponibilidade de
mão-de-obra operacional e margem de contribuição dos produtos. Mais
agravante ainda está no que se refere às ferramentas de apoio. Apenas um
reduzido número de laticínios desfruta das ciências gerenciais e dos
instrumentos de informática para melhorar a qualidade das decisões com
relação aos programas de produção.
Tais fatos fazem com que, plausivelmente, os laticínios trabalhem com
mixes de produtos distantes do padrão ótimo, deixando de incrementar suas
receitas ou minimizar perdas pela visualização de potenciais carências e
ociosidades no processo produtivo. A baixa competitividade de mercado dos
pequenos e micro laticínios poderá ser vista, no médio e longo prazo, como
conseqüência disso.
Apesar das tabelas de contingência percentual mostrarem aparente
interação entre algumas características, a análise de relacionamento das
variáveis, através do teste estatístico de qui-quadrado para a independência,
não desvendou associação entre o tamanho dos laticínios e sua diversidade de
produtos com outros fatores que influenciam a programação da produção. Isso
revela, a priori, que não se pode distinguir claramente a existência de grupos
de laticínios com características semelhantes quanto a essa atividade
gerencial. Deste modo, as ações por parte dos governos federal e estadual,
sindicatos e institutos de apoio ao ramo industrial de laticínios, no sentido de
melhorar e incentivar o processo de elaboração de planos de produção, não se
devem ater a grupos isolados de empresas.
Espera-se que o presente trabalho sirva de alerta aos gestores e
participantes do ramo industrial de laticínios na tomada de ações. Sugere-se
aqui, por parte o governo de Minas Gerais em especial, que haja maior
direcionamento
de
recursos
financeiros
específicos
para
atender
as
necessidades das indústria de laticínios por maior capacitação gerencial do
32
pessoal produtivo e gerencial e acesso a tecnologias ligadas à informática.
Tais ações poderiam ser intermediadas por órgãos e escolas de formação
gerencial do Estado e divulgadas através das federações e sindicatos ligados
às indústrias de laticínios de Minas Gerais.
33
6. REFERÊNCIAS
ABIQ – Associação Brasileira das Indústrias de Queijo. Disponível em:
www.abiq.com.br . Acesso em: 23 out. 2003
CARVALHO, A.J.R. & SILVA, C.A.B. Sistema Informatizado Aplicado à
Análise dos Custos de Produção na Indústria de Laticínios. Universidade
Federal de Viçosa, Tese. Viçosa, 1997 110p.
COCHRAN, W.G. Técnicas de Amostragem. Rio de Janeiro: USAID, 1965.
555 p.
CORRÊA, H. L.& GIANESI, I.G.N. Just in Time, MRPII e OPT: um Enfoque
Estratégico. Editora Atlas, São Paulo, 1993.
EMBRAPA - EMBRAPA Gado de Leite. Disponível em:
http://www.cnpgl.embrapa.br/producao/dados2002/producao/tabela0240.php
Acesso em: 12 jun. 2003
FAEMG - Federação da Agricultura e Pecuária do Estado de Minas Gerais.
Pecuária de Leite: Perfil da Atividade. Departamento Técnico. 2003 5p.
Disponível em: www.faemg.org.br/ Acesso em: 10 fev. 2004
FAO - Food and Agriculture Organization. Disponível em:
http://www.fao.org/docrep/006/J0858e/j0858e11.htm Acesso em: 10 jan. 2004.
FIGUEREDO, R.S. Sistemas de Apuração de Custos. In: BATALHA, M.O. et
al. Gestão Agroindustrial. Grupo de Estudos e Pesquisas Agroindustriais :
Editora Atlas, v.1, p.349-435, São Paulo, 1997
FILHO, P.S. Planejamento e Controle da Produção. In: BATALHA, M.O. et
al. Gestão Agroindustrial. Grupo de Estudos e Pesquisas Agroindustriais :
Editora Atlas, v.1, p.263-345, São Paulo, 1997
IBGE (2000) - Instituto Brasileiro de Geografia e Estatística. Disponível em:
http://www.sidra.ibge.gov.br/bda/acervo/acervo8.asp?z=t&o=2 Acesso em: 25
mar. 2003
JANK, M.S. & GALAN, V. Competitividade do Sistema Agroindustrial do Leite
no Brasil. In: JANK, M.S., FARINA, E.M.Q., GALAN, V.B. O Agribusiness do
Leite no Brasil : Revista MilkBizz (p.41-104) São Paulo, 1999.
MAFFIA, L. Distribuições Estatísticas. Imprensa Universitária. Viçosa, 1970
174p.
MALHOTRA, N. K. Pesquisa de Marketing – Uma Orientação Aplicada. 3a
ed. Porto Alegre: Bookman, 2001. 720p.
34
SCRAMIN, F.C.L. & BATALHA, M.O. Sistemas de Custeio para Firmas
agroalimentares: o caso dos Laticínios e das Empresas Processadoras de Soja
no Brasil : Revista Gestão & Produção, v.5, nº2, 1998.
SEBRAE – Serviço Brasileiro de Apoio às Micro e Pequenas Empresas.
Disponível em: http://www.sebrae.com.br/br/ued/index.htm Acesso em: 01 mar.
2004
SEBRAE/MG (2003) Diagnóstico da Indústria de Laticínios do Estado de
Minas Gerais. Projeto Leite, Sistema Agroindustrial do Leite. Belo Horizonte,
1997 270p.
SULLIVAN, R.S. & SECREST, S.C. A Simple Optimization DSS for Production
Planning at Dairyman’s Cooperative Creamery Association. Interfaces,
Sep/Oct 1985 8p.
35
ANEXO 1 – QUESTIONÁRIO QUALITATIVO
Questionário qualitativo – Informações sobre planejamento e definição do mix de produção na indústria de laticínios
Nº_______________
Nome do respondente: ______________________________________________________________________
Cargo:_______________________________________________________________________________________
Telefone(s) para contato:_____________________________________________________________________
Nome da empresa:___________________________________________________________________________
Cidade:______________________________________________________________________________________
Capacidade de processamento (litros/dia):___________________________________________________
Número de funcionários da empresa:_________________________________________________________
1.
Quais linhas de produtos de laticínios são produzidos na sua empresa? Assinale uma ou mais opções.
Leite pasteurizado (Integral ou desnatado - tipos C, B ou A)
Leite UHT (UAT)
Queijo (diversos)
Requeijão
Iogurte e/ou bebida láctea
Manteiga
Doce de leite
Outros. Quais?________________________________________________________
2.
Qual o número de produtos fabricados (quantidade de itens) por sua empresa? Escolha uma opção.
Entre 1 e 5
Entre 6 e 10
Entre 11 e 20
Entre 21 e 30
Entre 31 e 50
51 ou mais
3.
A sua empresa conhece todos os seus custos de produção (custos fixos, operacionais e unitários)?
Sim
Não*
(* Direcionar para a questão 6)
4.
Como a sua empresa determina os custos unitários (de cada produto) de produção?
Por volume produzido de cada produto
Por centro de custo (gastos e despesas separados por setores da empresa)
Pelo custos diretos de cada produto
Pelo sistema ABC de custos (baseado em atividades)
Pelo sistema de custo-padrão
Outro. Qual?________________________________________________________________
5.
Qual seria o seu grau de confiança no atual método de determinação de custos utilizado pela sua empresa?
Alto
Médio
Baixo
Nenhum
6. A sua empresa costuma planejar a produção (programar com antecedência quais produtos vai produzir, em quais
quantidades e quando ela será feita)?
Sim
Não**. Por quais motivos?______________________________________________________
___________________________________________________________________________________________________
___________________________________________________________________________________________________
**(Critério de parada)
36
7. Qual o cargo do(s) funcionário(s) responsável(is) pelo planejamento da produção na sua empresa? Assinale uma ou
mais opções.
Operador/funcionário
Técnico
Vendedor
Supervisor de produção
Gerente de produção
Diretor
Outro. Quem?_________________________________________________________
8. O planejamento da produção da sua empresa é normalmente feito para que período de tempo (com que freqüência)?
Escolha uma opção.
Diariamente
Semanalmente
Quinzenalmente
Mensalmente
Outro. Qual?__________________________________________________________
Qual a principal dificuldade para fazer o planejamento da produção na sua empresa? Escolha uma opção.
Planejar os materiais a serem comprados (insumos e matéria-prima)
Manter os níveis apropriados de estoques (de insumos e de matéria-prima)
Planejar quais produtos e em que quantidades produzir (definir o mix de produção)
Planejar a ordem de produção (o que produzir primeiro, o que produzir em seguida, etc.)
Planejar quais os equipamentos (e linhas) a serem utilizados(as) para a produção
Planejar a mão-de-obra necessária para produção
Planejar vendas dos produtos
Outra. Qual?__________________________________________________________
10. A escolha de quais produtos e em que quantidades (mix de produção) é feita de acordo com algumas informações.
Circule na escala de 1 a 4 a importância de cada uma das informações citadas abaixo, na definição do mix de produção de
sua empresa.
9.
a. Pedidos e encomendas de clientes
Nenhuma
Pouca
Razoável
Muita
1-------------------2--------------------3---------------------4
b. Quantidade de matéria-prima disponível
Nenhuma
Pouca
Razoável
Muita
1-------------------2--------------------3---------------------4
c. Capacidade e disponibilidade dos equipamentos
Nenhuma
Pouca
Razoável
Muita
1-------------------2--------------------3---------------------4
d. Quantidade de funcionários disponíveis para produção
Nenhuma
Pouca
Razoável
Muita
1-------------------2--------------------3---------------------4
e. Margem de contribuição dos produtos
Nenhuma
Pouca
Razoável
Muita
1-------------------2--------------------3---------------------4
f. Mix anterior (adotado no último dia, semana, quinzena ou mês).
Nenhuma
Pouca
Razoável
Muita
1-------------------2--------------------3---------------------4
g. Experiência do(s) responsável(s) pela escolha do mix de produção.
Nenhuma
Pouca
Razoável
Muita
1-------------------2--------------------3---------------------4
37
h. Outra. Qual?________________________________________________________
Nenhuma
Pouca
Razoável
Muita
1-------------------2--------------------3---------------------4
11. O planejamento de produção (quais produtos e em que quantidades) da sua empresa muda ao longo do ano?
Não. Permanece o mesmo ao longo do ano.
Sim. Muda pouco. Alguns itens são alterados no mix ao longo do ano.
Muda muito. Vários itens são alterados no mix ao longo do ano.
12. A sua empresa usa algum cálculo (método matemático) para fazer o planejamento da produção (escolha do mix de
produção)?
Não
Sim. Qual ?
Programação linear
Programação mista
Outro. Qual? ___________________________________________
13. A sua empresa utiliza algum programa de computador para ajudar no planejamento da produção (escolha do mix de
produção)?
Não
Sim. Qual ?
Editor de texto
Banco de dados
Planilha eletrônica
Outro. Qual? ___________________________________________
14. O que você acha que a sua empresa precisa para facilitar o processo de planejamento da produção (definição do mix
de produção)? Escolha uma ou mais opções.
Treinar o(s) responsável(s) pelo planejamento da produção.
Contratar um profissional especialista.
Contratar serviços de empresas de consultoria.
Adotar um software (programa de computador) específico para essa tarefa.
Outro. O que?_______________________________________________________
15. Qual seria o seu grau de confiança em um programa de computador específico que ajudasse a sua empresa a definir o
mix de produção que gera o menor custo total de produção possível? Escolha uma opção.
Alto
Médio
Baixo
Nenhum
38
ANEXO 2 – TABELAS DE CONTINGÊNCIA PERCENTUAL
Tabela 1 – Volume de recepção versus realização do controle de custos.
Faz controle de custos
Volume recepção
(L/dia)
até 10000
10001 a 30000
mais de 30000
NÃO
SIM
21,1%
36,4%
10,0%
78,9%
63,6%
90,0%
Tabela 2 – Volume de recepção versus realização da programação da produção.
Faz programação da produção
Volume recepção
(L/dia)
até 10000
10001 a 30000
mais de 30000
NÃO
SIM
26,3%
18,2%
0,0%
73,7%
81,8%
100,0%
Tabela 3 – Volume de recepção versus freqüência da programação da produção.
Freqüência da programação da produção
Volume recepção
(L/dia)
até 10000
10001 a 30000
Mais de 30000
Diária
Semanal
Mensal
Outra
50,0%
22,2%
50,0%
42,9%
66,7%
20,0%
0,0%
11,1%
30,0%
7,1%
0,0%
0,0%
Tabela 4 – Volume de recepção versus importância dos pedidos de clientes
Importância dos pedidos na programação da produção
Volume de Recepção
(L/dia)
até 10000
10001 a 30000
mais de 30000
Nenhuma
Pouca
Razoável
Muita
14,3%
11,1%
10,0%
7,1%
0,0%
10,0%
7,1%
22,2%
20,0%
71,4%
66,7%
60,0%
Tabela 5 – Volume de recepção versus importância da oferta de matéria-prima
Importância da disponibilidade de leite cru para prog. da
produção
Volume de Recepção
(L/dia)
até 10000
10001 a 30000
mais de 30000
Nenhuma
14,3%
44,4%
0,0%
Pouca
14,3%
11,1%
10,0%
39
Razoável
7,1%
0,0%
0,0%
Muita
64,3%
44,4%
90,0%
Tabela 6 – Volume de recepção versus importância da capacidade das máquinas
Importância da capacidade dos equipamentos na prog.
produção
Volume de Recepção
(L/dia)
até 10000
10001 a 30000
mais de 30000
Nenhuma
Pouca
Razoável
Muita
57,1%
33,3%
10,0%
7,1%
22,2%
20,0%
21,4%
0,0%
20,0%
14,3%
44,4%
50,0%
Tabela 7 – Volume de recepção versus importância da mão-de-obra
Importância da disponibilidade de mão-de-obra
operacional
Volume de Recepção
(L/dia)
até 10000
10001 a 30000
mais de 30000
Nenhuma
Pouca
Razoável
Muita
35,7%
44,4%
30,0%
21,4%
33,3%
10,0%
14,3%
11,1%
10,0%
28,6%
11,1%
50,0%
Tabela 8 – Volume de recepção versus uso de software na programação
Uso de software na programação da
produção
Volume recepção
(L/dia)
até 10000
10001 a 30000
Mais de 30000
Não usa
Sim. Planilha
Sim. Outro
78,6%
66,7%
40,0%
7,1%
33,3%
40,0%
14,3%
0,0%
20,0%
Tabela 9 – Número de itens versus realização de controle de custos
Faz controle de custos
Número de itens
fabricados
até 10
de 11 a 20
mais de 20
NÃO
SIM
35,3%
20,0%
0,0%
64,7%
80,0%
100,0%
Tabela 10 – Número de itens versus realização da programação da produção
Faz programação da produção
Número de itens
fabricados
até 10
De 11 a 20
mais de 20
NÃO
SIM
23,5%
13,3%
12,5%
76,5%
86,7%
87,5%
40
Tabela 11 – Número de itens versus freqüência da programação da produção
Freqüência da programação da produção
Número de itens
fabricados
até 10
De 11 a 20
mais de 20
Diária
Semanal
Mensal
Outra
46,2%
53,8%
14,3%
38,5%
38,5%
57,1%
7,7%
7,7%
28,6%
7,7%
0,0%
0,0%
Tabela 12 – Número de itens versus dificuldade da programação da produção
Número de itens
fabricados
até 10
De 11 a 20
mais de 20
Principal dificuldade na controle da produção
Compra de
Mix de
Estoques
Outros
materiais
produção
38,5%
0,0%
15,4%
46,2%
15,4%
23,1%
7,7%
53,8%
14,3%
0,0%
28,6%
57,1%
Tabela 13 – Número de itens versus alteração sazonal do mix de produção
Alteração do mix ao longo do ano
Número de itens
fabricados
até 10
de 11 a 20
mais de 20
Não altera
Sim. Pouco
Sim. Muito
7,7%
15,4%
0,0%
38,5%
38,5%
28,6%
53,8%
46,2%
71,4%
Tabela 14 – Número de itens versus uso de software na programação
Usa software para ajudar na programação da
produção
Número de itens
fabricados
até 10
de 11 a 20
mais de 20
Não
Sim. Planilha
Sim. Outro
69,2%
84,6%
14,3%
23,1%
7,7%
57,1%
7,7%
7,7%
28,6%
41
Capítulo 2
USO DE MODELOS E FERRAMENTAS COMPUTACIONAIS DE APOIO À
DECISÃO EM AMBIENTES GERENCIAIS: UMA BIBLIOGRAFIA ANOTADA
EXTRATO
Como forma de elaborar uma base de informações e de conhecimento para o
estudo e desenvolvimento de um protótipo de apoio ao planejamento da produção em
laticínios, este trabalho objetivou realizar uma bibliografia anotada das aplicações de
Programação Linear, Heurística e Simulação no desenvolvimento e implementação de
modelos e ferramentas de apoio à decisão em ambientes gerenciais nos últimos anos,
tendo foco no uso de Programação Linear na área de alimentos e laticínios. Nesse
sentido, procurou-se identificar as principais aplicações, tipos de modelos, métodos de
implementação, problemas e benefícios alcançados pelo uso dos sistemas de apoio à
decisão orientados por modelos. Visando também disponibilizar um referencial
bibliográfico para trabalhos futuros, foi realizada a análise, elaboração de resumos e
classificação, de acordo com o ano de publicação, área de aplicação e tipo de modelo
incluído, de cinqüenta (50) trabalhos disponíveis principalmente nos principais “sites”
da “web”, de revistas, jornais científicos e veículos especializados. O trabalho de
revisão mostrou a grande aplicação e disseminação dos modelos investigados em
ambientes gerenciais nos mais diversos países. Notou-se ainda que a maior parcela
das aplicações é destinada aos gerentes do nível tático das empresas, sobretudo para
as áreas de planejamento e controle das atividades de produção.
42
1. INTRODUÇÃO
Durante a vida, o ser humano freqüentemente se depara com diversas
situações em que tem que tomar decisões. Normalmente a tomada dessas
decisões está relacionada com as suas implicações e riscos no momento
presente ou futuro. Em se tratando dos desdobramentos futuros de uma
decisão, há riscos que podem ser definidos com maior precisão do que outros
e, portanto, estariam sujeitos a uma maior atuação e controle do tomador de
decisão. Em contrapartida, sabe-se que existem riscos sobre os quais não se
pode ter o mesmo controle, riscos esses oriundos de fatores exógenos que
fogem do campo de atuação do tomador de decisão.
Sabe-se ainda que o resultado final e a qualidade das decisões estão muito
associados à capacidade e às características pessoais de julgamento. Há
indivíduos
extremamente
cautelosos
e
existem
aqueles
que
são
profundamente audaciosos. Esse raciocínio se aplica e tem coerência para
diversas áreas e campos de estudo. Na área empresarial, e mais
especificamente no ramo gerencial, não é diferente.
Segundo TURBAN (1998), a tomada de decisão nos ambientes gerenciais,
que pode ser definida basicamente como um processo de escolha entre
possíveis alternativas de ação para atingir um determinado objetivo
organizacional, era até alguns anos atrás quase exclusivamente baseada nos
fatores pessoais, relacionando-se diretamente com as experiências, intuições e
criatividade do gerente tomador de decisão. Entretanto, o advento de
tecnologias da informação, que tiveram forte impulso no final dos anos 80,
juntamente com o fortalecimento dos mercados globais, o aumento da
competitividade e os crescentes cenários de instabilidade política, vêm fazendo
com que esses fatores tornem-se cada vez menos preponderantes e passem a
atuar apenas como agentes acessórios.
De acordo com BRAGA (2001), do ponto de vista empresarial, há um
crescente aumento da complexidade das decisões gerenciais. Tomar decisões
sem base em consistentes históricos de informações, análise da concorrência,
43
avaliação dos fatores externos, como estabilidade econômica e situação de
fornecedores e clientes, dentre outras, é virtualmente impossível. Esse grande
número de dados, informações, variáveis, incertezas e alternativas exige,
conseqüentemente, algum tipo de auxílio ou apoio. Atualmente as mais
disseminadas e eficientes ferramentas de apoio gerencial estão associadas ao
uso de computadores, principalmente por meio dos recursos de “hardware” e
“software” disponibilizados pela informática.
Nos últimos quarenta anos, vários tipos de sistemas de informação
baseados em computadores têm sido desenvolvidos para tais fins e,
evolutivamente, são até hoje utilizados nos ambientes empresariais. Dentre
eles podemos citar os orientados por modelos (SOM), os de informação
gerencial (SIG) e os voltados para executivos (SIE), os baseados em agentes
de conhecimento, como os sistemas especialistas (SE) e os sistemas de redes
neurais (SRN). Vale ressaltar que a classificação desses e de outros sistemas
de apoio à decisão (SAD’s) é muito discutida na literatura (principalmente em
razão das características comuns existentes) e os mesmos podem existir de
forma agregada, atuando conjuntamente.
Os SOM’s surgiram efetivamente no final dos anos 60, tendo no mesmo
período sido publicados os primeiros artigos científicos sobre o assunto.
Apesar disso, esses sistemas só ganharam espaço real nos últimos anos da
década de 70, com o forte crescimento das aplicações dos modelos de
otimização, destinados basicamente a auxiliar na alocação de recursos
escassos atingindo um ou mais objetivos mensuráveis, e de simulação, que
por sua vez buscam “imitar” a realidade sem pretensão de representá-la
(POWER, 2003).
Nessas ferramentas, o apoio à decisão procura simplificar a realidade
(muitas
vezes
complexa)
através
da
montagem,
implementação,
armazenamento e resolução em computadores, de diferentes modelos
matemáticos, estatísticos e financeiros que representem um ou mais
problemas gerenciais. Problemas complexos de planejamento de vendas de
longo prazo em uma empresa podem, por exemplo, ser descritos com boa
44
fidedignidade por modelos estatísticos (projeções históricas de vendas). Já
decisões de investimentos e de elaboração de planos de produção podem
respectivamente usufruir de modelos financeiro(formulações financeiras) e
matemáticos da área de Pesquisa Operacional (modelos de Programação
Linear e técnicas heurísticas).
Em meados da década de 70, o pesquisador da Universidade de Minessota
nos Estados Unidos, Gordon Davis, definiu os SIG’s como “sistemas
inteligentes
homem/máquina
para
fornecer
suporte
às
operações,
gerenciamento e tomada de decisão em uma organização” (POWER, 2003).
Tais sistemas computacionais, que constituíram as primeiras tentativas de
transformar dados das transações diárias das organizações em informações de
apoio decisório propriamente ditas, geraram possibilidades de extração de
informações operacionais não previstas anteriormente e servem hoje de
suporte a gerentes dos níveis hierárquicos intermediários e operacionais.
Apesar de sua boa utilidade, são aplicáveis em decisões estruturadas, ou seja,
previsíveis em todos os seus componentes (BRAGA, 2001).
Estendendo às aplicações dos sistemas de apoio gerencial, entre o final
dos anos 70 e início da década de 801 surgiram os primeiros estudos e
desenvolvimentos de ferramentas específicas aos gerentes e executivos dos
níveis hierárquicos mais altos da estrutura organizacional das empresas
(POWER, 2003). Os SIE’s são atualmente mais difundidos em grandes e mega
corporações devido aos altos investimentos e custos de manutenção desses
sistemas. Tais sistemas, que exigem alto grau de sofisticação e possuem
pouca flexibilidade de uso, são empregados para extração de dados do
ambiente externo (dados econômicos e políticos, por exemplo) e de outros
sistemas de suporte a ele integrado, como um SIG ou uma base de dados do
tipo data warehouse. Destinam-se principalmente às tomadas de decisões não-
1
Nesse mesmo período foram realizados os primeiros seminários e reuniões para discutir aspectos
teóricos e práticos do uso dos sistemas de apoio à decisão, tendo a primeira conferência internacional
sobre o assunto sido realizada na cidade de Atlanta, estado da Geórgia dos Estados Unidos em 1981
(POWER, 2003).
45
estruturadas de longo prazo, como operações de implantação e compra de
novas unidades fabris (BRAGA, 2001).
Em 1981 foram criados os primeiros conceitos e teorias sobre a estrutura
dos sistemas computadorizados baseados em agentes de conhecimento
(POWER, 2003). Nesse contexto os SE’s surgem como ferramentas de nova
abordagem, em que, de forma seqüencial, os mesmos procedimentos que
eventualmente seriam adotados por um especialista na resolução de
problemas diversos são também computados pelo sistema de apoio (BRAGA,
2001). Além disso, podem ser integrados a outros tipos de sistemas, como os
SOM’s. TURBAN (1998) apresenta várias aplicações de sistemas especialistas
na área empresarial, como o caso de um indústria química chinesa, que usa
dois SE’s integrados com um SOM de Programação Linear, aplicando o
conhecimento de gerentes para o planejamento mensal, análise de capital de
giro e previsões de demandas futuras.
Apesar de suas bases fundamentais teóricas terem sido estabelecidas e
pesquisadas desde a década de 40, os sistemas de apoio à decisão baseados
nas técnicas de redes neurais (SRN’s) somente ganharam efetiva aplicação na
segunda metade da década de 80, com a publicação do livro “Parallel
Distributed Processing” em 1986, de David Rumelhart e James McClelland, e
com a realização da primeira conferência sobre o tema em 1987, na cidade de
San Francisco nos Estados Unidos. Segundo TURBAN (1998) os SRN’s são
sistemas inteligentes diferenciados que envolvem habilidade de expressar
capacidades do cérebro humano, sendo representações do conhecimento
baseadas em consistente processamento paralelo, recuperação rápida de
grande quantidade de informações e capacidade de identificar padrões de
informações baseados em casos históricos. Empresas administradoras de
operações de crédito financeiro têm comumente adotado sistemas de redes
neurais para identificação de padrões de cartões de crédito clonados ou
roubados, por exemplo.
Como se pôde perceber a partir dos estudos acima expostos, de certa
forma, estes descrevem um pouco da história dos sistemas de apoio à decisão
46
nos ambientes gerenciais. Apesar disso, os trabalhos e textos disponíveis na
literatura não conseguem ainda delinear com precisão a evolução histórica
desses sistemas. De acordo com POWER (2003), a história das ferramentas
computacionais de apoio à decisão não é muito clara ou linear. Segundo ele
vários autores e pesquisadores têm apresentado percepções distintas sobre
essa importante área de aplicação da tecnologia da informação, publicando
diferentes pontos de vista sobre o que é mais ou menos relevante na vida dos
SAD’s. O autor revela ainda a necessidade de se reunir mais informações e
dados sobre o assunto, de forma a construir um mosaico mais completo do que
vem acontecendo nas universidades, empresas de softwares e companhias
que adotam essas ferramentas como suporte nas diversas decisões
gerenciais.
Nessa visão, o presente trabalho objetivou realizar um breve levantamento
bibliográfico de trabalhos anteriores (nas últimas duas décadas principalmente)
que relatam o uso de uma das “classes” dos sistemas de apoio à decisão, os
orientados por modelos (SOM’s). Vale advertir que, apesar de descrever
algumas aplicações desses sistemas baseados em técnicas heurísticas e de
simulação em diferentes setores da economia, este estudo tem, devido ao
campo geral em que se insere o trabalho de tese para o qual foi elaborado,
foco direcionado ao uso de sistemas de apoio gerencial orientados por
modelos de Programação Linear na área de alimentos e laticínios.
2. OBJETIVOS
O trabalho visou desenvolver uma bibliografia anotada das aplicações de
Programação
Linear,
heurística
e
simulação
no
desenvolvimento
e
implementação de modelos e ferramentas de apoio à decisão em ambientes
gerenciais nos últimos anos, tendo foco no uso de programação linear na área
de alimentos e laticínios. Especificamente pretendeu-se:
47
i.
Identificar as principais aplicações, tipos de modelos, métodos de
implementação, problemas e resultados obtidos pelo uso dos
SOM’s nos últimos anos, servindo de base para o estudo e
desenvolvimento do protótipo de apoio no planejamento da
produção em laticínios de pequeno e médio porte (descrito no
capítulo 3 deste trabalho);
ii.
Através da análise, elaboração de resumos e classificação dos
trabalhos por área e tipos de modelos usados, disponibilizar um
referencial bibliográfico para trabalhos futuros nos campos de
pesquisa relacionados.
3. METODOLOGIA
O processo metodológico usado para viabilizar os objetivos propostos pode
ser dividido em cinco etapas básicas:
i.
Seleção do(s) tema(s)
Nesta etapa optou-se por realizar a revisão na área específica de
sistemas de apoio à decisão orientados por modelos de programação
linear, heurística e simulação. Os motivos foram: reconhecida
disseminação e adequação da aplicação desses modelos com o
campo geral em que se insere o trabalho de tese e dificuldade de
realização de levantamentos mais generalizados sobre os diversos
tipos de sistemas de apoio à decisão, principalmente no que se refere
à classificação dos trabalhos e artigos encontrados.
ii.
Busca preliminar
De acordo com o tema específico escolhido, foi iniciado o processo de
busca de trabalhos de tese e artigos publicados. Neste estudo em
especial foram feitas buscas principalmente através dos principais
48
“sites” da “web” de revistas, jornais científicos e outros veículos
especializados. Foram então obtidos, de forma preliminar, cerca de
oitenta (80) trabalhos dentre teses e artigos científicos.
iii.
Seleção dos trabalhos
Posteriormente foi feita uma análise preliminar dos trabalhos, sendo
então selecionados apenas cinqüenta (50) para serem efetivamente
incluídos na bibliografia anotada. Os trabalhos excluídos não estavam
plenamente de acordo com o perfil previamente proposto, ou seja, não
descreviam aplicações práticas de desenvolvimento e implementação
de sistemas de apoio à decisão orientados por modelos de
Programação Linear, técnicas heurísticas ou de simulação em
ambientes gerenciais.
iv.
Confecção dos resumos
Todos os cinqüenta (50) trabalhos foram analisados individualmente.
Em seguida, procedeu-se a elaboração de resumos que sintetizam
cada uma das aplicações descritas nos trabalhos.
v.
Classificação dos resumo
Os resumos foram classificados de acordo com o ano de publicação,
área de aplicação (grupos da área de alimentos e outros setores da
economia) e tipo de modelo incluído no sistema de apoio à decisão
(programação linear, heurística e simulação). Finalmente foram
elaboradas as tabelas de apresentação dos resultados.
49
4. RESULTADOS
Em seguida serão exibidos os resultados oriundos da revisão bibliográfica
realizada.
O acesso a cada um dos resumos e seus respectivos autores e anos de
publicação, apresentados na Tabela 2, pode ser feito usando a Tabela 1, que
relaciona o setor de aplicação (área ou subárea do setor alimentício e de
outros setores da economia) com o tipo de modelagem adotada (programação
linear, heurística e simulação). A numeração (de 1 à 50) incluída na Tabela 1
refere-se ao número do item de cada resumo da Tabela 2. Vale lembrar que o
número do item de um determinado resumo pode ser encontrado mais de uma
vez na Tabela 1, caso o referido sistema de apoio à decisão seja aplicável em
mais de um setor ou adote mais de um tipo de modelagem.
50
Tabela 1 – Referências dos resumos de acordo com a aplicação e tipo de modelo.
Área
Sub-área
Programação Linear
47
Açúcar e Álcool (Indústria)
25
Aves (Indústria)
38
Cereais (Indústria)
27
Chocolates (Indústria)
5
Côco (Indústria)
Alimentos Leite e Derivados (Indústria) 9, 10, 14, 37, 39, 48
46
Molhos e Temperos (Indústria)
21
Pescado (Indústria)
Snacks (Indústria)
1
Alimentação Institucional
4, 15
Restaurantes Fast Food
Agrícola (Indústria)
43, 45
Automóveis (Indústria)
3, 29
Construção Civil
8
Eletrodomésticos (Indústria)
23
Eletro-eletrônicos (Indústria)
24, 34
Fármacos (Indústria)
Diversos
Madeira (Indústria)
6, 35
Metais (Indústria)
2, 36
Química (Indústria)
41, 50
Textéis (Indústria)
11
16, 18, 28, 30, 33
Industria em Geral
Outras
32, 42
Tipo de Modelo
Heurística
7, 10, 19, 31
21
26
3
24
2, 49
41
20
18, 28
-
Simulação
21, 40
4
13
13
12
13
17, 22, 44, 50
-
Os resumos apresentados na Tabela 2 encontram-se em ordem
cronológica crescente por ano de publicação. As referências completas de
cada um dos trabalhos estão disponibilizadas no item 6 deste capítulo.
51
Tabela 2 – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
ANO
1
1975
2
1978
3
1980
AUTOR (ES)
RESUMO
Foi desenvolvido um sistema de programação de múltipla escolha, baseado em
modelos de programação linear (PL), com objetivo de minimizar os custos de
programas institucionais de alimentação, atendendo restrições estruturais, de
BALINTFY, J. L.
compatibilidade e variedade de ingredientes, e de necessidades nutricionais no
preparo de refeições. A sua implementação em quatro hospitais mostrou que a
otimização dos recursos reduziu de 10 à 15% os custos de serviços de alimentação
nesses estabelecimentos.
Os autores descrevem a implementação na Bethlehem Steel’s, grande indústria
produtora de bobinas de aço, de uma ferramenta baseada em computador que, através
da combinação de modelos de programação linear e métodos heurísticos, apoia a
gerência da empresa no planejamento das operações de produção. Os modelos
JAIN, S. K.; STOTT, K. L. &
desenvolvidos suportavam decisões de curto prazo relativas ao mix de produção,
VASOLD, E. G.
controle de estoques, disponibilidade das máquinas, além de decisões de médio e
longo prazo como balanço de pedidos e planejamentos anuais da empresa. Os autores
relatam ainda que a implantação da ferramenta trouxe diversos benefícios associados
a redução de custos, serviço aos clientes, eficiência de processo, dentre outros.
Dando continuidade ao original implementado em 1970, a Kelly-Springfield, uma
grande indústria do ramo de manufatura de pneus, criou um sistema integrado para
melhorar a coordenação de suas decisões. Com o auxílio de modelos matemáticos
KING, R.H. & LOVE JR., (PL, heurística e previsão), tal sistema era destinado a apoiar decisões nas quatro
R.R.
principais funções da empresa: previsão de vendas, controle de estoques,
planejamento da produção e distribuição. Dentre os inúmeros benefícios alcançados
podem ser destacados o aumento significativo da eficiência no serviço de atendimento
ao cliente e o acúmulo adicional de $5 milhões de dólares durante a década de 70.
52
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
ANO
4
1981
5
1981
6
1982
AUTOR (ES)
RESUMO
Uma grande rede americana de “fast food”, a Burguer King, utilizou modelos de
simulação, otimização e estatística para responder ao aumento da complexidade de
suas operações, oriunda de mudanças estratégicas e mercadológicas, e de inovações
requeridas pelo seu mercado consumidor. Para isso a empresa uniu sinergisticamente
SWART, W. & DONNO, L. o pessoal de Engenharia Industrial e de Pesquisa Operacional, em um único
departamento. O trabalho destaca o enorme impacto da implementação desses
modelos (inclusive com depoimentos da gerência) com grandes ganhos financeiros,
melhorias no “design” dos restaurantes e na eficiência no atendimento ao cliente, tanto
nas novas como nas unidades já existentes.
O estudo descreve a primeira tentativa de uso de métodos matemáticos na
programação da produção no Sri Lanka. Foram implementados modelos de
Programação Linear de base mensal visando a maximização dos lucros da maior
indústria processadora de côco do país. Foram adotadas restrições de capacidade da
planta de processamento, níveis de estoques e de limites de vendas. Depois de
CABRAAL, R.A.
implementados, os modelos trouxeram resultados satisfatórios, permitindo à empresa
definir um mix de produção mais próximo da solução ótima. Isso proporcionou o
alcance de alguns benefícios como aumento da lucratividade, redução na quantidade
de matéria-prima comprada, dentre outros.
Os autores descrevem o desenvolvimento e a implementação de um sistema de apoio
à decisão aplicado na otimização do mix de produtos da Ponderosa Industrial, uma
grande fabricante mexicano de madeiras do tipo compensado. O modelo de curto
ROY, A.; FALOMIR, E.E. &
prazo (horizonte bimestral), baseou-se em programação linear para determinar o mix
LASDON, L.
ótimo de produção e fornecer um relatório de sensibilidade. O uso dessa ferramenta
incrementou, consideravelmente o lucro total da empresa e permitiu a identificação de
novas oportunidades através da simulação de diferentes cenários.
53
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
ANO
7
1983
8
1985
9
1985
AUTOR (ES)
RESUMO
Foram desenvolvidos modelos matemáticos baseados em métodos heurísticos, para a
definição de rotas na coleta de leite e transporte dos produtos da Golden Vale, uma
HARRISON, H. & WILLS,
grande cooperativa agrícola irlandesa. Tais modelos para a racionalização dos
D.R.
recursos da cooperativa estavam sendo implementados com expectativas de bons
incrementos financeiros.
O trabalho descreve a implementação de um sistema hierárquico integrado baseado
em modelos programação linear na American Olean Tile Company, um grande
indústria fabricante de diferentes azulejos de cerâmica. Tal ferramenta foi destinada ao
LIBERATORE, M.J. &
apoio em decisões de médio e curto prazo nas diversas atividades relativas ao controle
MILLER, T.
de estoques, planejamento e programação da produção. Melhora na comunicação
entre os departamentos de produção e marketing, desenvolvimento de novos métodos
de previsão de vendas e redução de custos de distribuição são alguns dos vários
benefícios alcançados.
Um sistema de suporte baseado em otimização foi desenvolvido e implementado para
auxiliar supervisores de produção de uma grande cooperativa de leite americana na
realização das atividades gerenciais de planejamento da produção e controle de
estoques de uma linha de produtos. O modelo de programação linear em base diária,
que buscou otimizar o uso da capacidade do evaporador com restrições dos níveis da
SULLIVAN, R.S. &
capacidade nominal e dos fluxos de produtos no equipamento, das taxas de conversão
SECREST, S.C.
e limitações mercadológicas, foi programado usando o programa MFAP.Além de
promover maior integração entre os níveis gerenciais da empresa, o sistema eliminou o
gasto de quatro horas diárias de trabalho dos supervisores nos cálculos para esta
etapa e incrementou consideravelmente a produção e a receita bruta da cooperativa.
54
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
10
11
12
ANO
1986
1987
1987
AUTOR (ES)
RESUMO
HARRISON, H.
O autor apresenta a implementação de modelos de ciências gerenciais (heurísticos e
de otimização) em dois grandes departamentos da Ballyclough, uma das maiores
organizações do agronegócio cooperativista da Irlanda. Na divisão de leite o impacto
na produtividade pode ser destacado pela redução de 10.55% na quilometragem
percorrida e no aumento de 12% de volume de leite coletado. No departamento de
vendas e comércio foram utilizados algoritmos heurísticos para auxiliar na redução de
custos de distribuição, com boas expectativas de sucesso por parte da gerência. Além
disso, uma mescla de análise de clusters e computação gráfica foi usada na
determinação da localização e do número de depósitos necessários para atender a
demanda de fornecedores e clientes.
NEBOL, E.
A divisão de pesquisa operacional do Conselho Turco de Pesquisas Técnicas realizou
um estudo para o setor de produtos têxteis de algodão de uma das maiores empresas
públicas do país. O propósito era implementar um sistema, chamado de "Macro
Production Planning", para auxiliar nas decisões de orçamentos anuais de produção.
Para isso adotou-se um modelo multiperiódico de programação linear, com objetivo
primário de maximizar a margem de contribuição, atendendo a restrições tecnológicas,
mercadológicas e operacionais. Principalmente em razão de problemas
organizacionais e de instabilidade política a implementação do sistema na empresa
pública não chegou a concretizar-se, impossibilitando o alcance dos objetivos
previamente propostos.
BAKER, G.L et al.
Uma das maiores indústrias siderúrgicas dos Estados Unidos, a Bethlehem Steel,
implementou (usando o pacote de softwares Lotus 1-2-3) um modelo simples de
análise de custos e planejamento da produção baseado na otimização dos fluxos de
produtos da linha de fabricação de aço. O objetivo primordial era efetuar análises de
simulação rápidas e efetivas, criando novos cenários e avaliando os impactos das
variações de demanda, de preços de insumos e matérias-primas no corpo financeiro e
produtivo da empresa.
55
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
ANO
AUTOR (ES)
RESUMO
13
Os autores mostram a implementação de um sistema de simulação para o controle de
estoques e distribuição de uma das maiores multinacionais da área farmacêutica do
mundo, a Ciba-Geigy. O modelo integra as atividades de programação da produção,
1988 FINCKE, U. & VAESSEN, W. processamento produtivo, estoques, e logística, visando a redução dos custos totais
de distribuição. O uso do sistema trouxe, além de efetiva diminuição desses custos,
uma redução no período de planejamento, cumprimento mais preciso das datas de
entregas aos clientes e a introdução do conceito just-in-time na empresa.
14
Visando estudar o processo de gerência e controle da produção na indústria de
laticínios, foi estabelecido um modelo de programação linear multiperiódico de curto
prazo. As restrições referiam-se a oferta de leite bom e leite ácido, disponibilidades de
mão-de-obra, capital de giro, gordura, câmara fria e limites das atividades. Os
softwares usados foram: planilhas LOTUS 1-2-3 e HYPERLINDO/PC. Apesar das
simulações efetuadas mostrarem ser tecnicamente viável o uso gradual do modelo,
cada empresa deve ser analisada isoladamente, de acordo com a relação custobenefício.
15
16
1988
FORNETTI, M.
1990
Os autores dissertam sobre a implantação de um simples sistema de apoio para
gerentes de lojas de Fast-Food nas decisões referentes a programação dos
cronogramas de trabalho. A modelagem matemática do problema, feita em
programação linear inteira, buscou atender as necessidades e habilidades dos
LOVE JR., R.R. & HOEY, J.
empregados, assim como os requerimentos gerenciais e operacionais das lojas.
M.
Gerentes de restaurantes que utilizaram o sistema declararam em média uma redução
de 80 a 90% no tempo gasto para elaboração dos cronogramas. Outros benefícios
apontados foram a redução de custos diretos com mão-de-obra e aumento da
eficiência dos empregados.
1992
Uma ferramenta geral baseada em LPO (Linguagem de Programação de Otimização)
para montagem e solução de problemas complexos é mostrado no estudo. Os autores
MACLEOD, B. & MOLL, R.
focam o caso dos modelos de localização e rotas apesar de sua aplicabilidade em
diversas situações.
56
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
ANO
17
1992
18
1992
19
1994
20
1995
AUTOR (ES)
RESUMO
Os autores introduzem um sistema de modelagem, simulação e programação de
processos produtivos discretos. A ferramenta, que pode auxiliar na programação de
PAREDIS, J. & van RIJ, T. processos não-contínuos em indústrias de pequena escala, é divida em três partes
básicas: modelador, simulador e manipulador. Demonstrado à gerentes industriais, foi
recebida com entusiasmo
O trabalho apresenta o desenvolvimento e a implementação do sistema denominado
ROMAN, de aplicações genéricas em operações gerenciais de planejamento e
KHOONG, C. M. & LAU, H. programação em serviços industriais. Dividido em módulos (módulo de especificação,
de alocação, de programação e de design), o sistema aproveita-se de técnicas de
C.
pesquisa operacional (heurística, programação inteira, otimização) para auxiliar nas
decisões operacionais de indústrias em geral.
O artigo descreve o desenvolvimento e a implementação de um sistema de apoio à
decisão destinado a atender os requerimentos de uma indústria de laticínios da índia
no que se refere às suas atividades de coleta de leite cru e entrega na unidade fabril. O
sistema chamado de CARS baseia-se em técnicas heurísticas para apontar soluções
SANKARAN, J.K. &
viáveis que minimizem os custos de transporte por tonelada de leite coletado. Além da
UBGADE, R.R.
redução de quase 12% de perdas de leite (por coagulação) e diminuição do tempo de
entrega, projeções da empresa estimavam benefícios financeiros da ordem de milhões
com a adoção do novo sistema.
BOWERS, M.R. &
AGARWAL, A.
A Tanner Company, empresa americana líder por mais de 60 anos no ramo de
vestuários femininos, que já havia implementado com grandes benefícios um sistema
de programação da produção de curto prazo, desenvolveu um novo sistema de
planejamento. Também de curto prazo e baseado em modelos heurísticos analíticos,
visava reduzir o tempo de entrega das mercadorias, minimizar cargas de trabalho e
evitar formação de níveis inadequados de estoques de produtos acabados. Em um ano
de uso o sistema trouxe diversos benefícios diretos, como o crescimento de 90% das
entregas imediatas, e indiretos, como melhoria das relações humanas entre os
diversos níveis gerenciais envolvidos.
57
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
ANO
AUTOR (ES)
RESUMO
RANDHAWA, S.U. &
BJARNASON, E.T.
No texto é descrita uma ferramenta de suporte à decisão nas operações integradas de
pesca e processamento de pescado de uma fábrica localizada na costa da Islândia. No
sistema, as respostas geradas por um modelo de simulação heurística (oriundas de
regras decisão nas operações de pesca de arraste) alimentam um modelo de
programação linear que, por sua vez, determina os requerimentos de alocação de
tempo de mão-de-obra, níveis de estoques e do mix de produção que maximizam a
receita bruta da empresa. Ciclicamente os resultados do modelo de PL são convertidos
em retorno ("feedback”) para atualização das regras de decisão do modelo de
simulação. A implementação propriamente dita da ferramenta usou linguagem MPL
para o sistema LINDO. O uso do sistema foi considerado importantíssimo não apenas
em termos das margens de lucro da empresa, mas também em relação a
disponibilidade de matéria-prima e níveis de estoques.
21
1995
22
O artigo discorre sobre o conceito, as funções e a importância de um sistema de apoio
à decisão nas atividades de planejamento da produção das organizações. Na visão
dos autores um SAD destinado a elaboração dos planos de produção pode atender à
TSUBONE, H.; MATSUURA, duas grandes funções: análise de performance (simulação, prevendo possíveis
1995
H. & KIMURA, K.
impactos das variáveis de decisão na demanda de mercado e níveis de estoques) e
análise de escolha (seleção das variáveis decisórias de acordo com ranking de
importância). Dentro dessa visão apresenta-se um protótipo de suporte à decisão.
23
O processo de desenvolvimento de um sistema de apoio à decisão (baseado em
otimização) nos problemas de planejamento da produção agregada da CTI, empresa
fabricante chilena de eletrodomésticos, é descrito. Estruturado através de um modelo
de programação linear mista-inteira (composto por 2600 variáveis e 2800 restrições e
1995 GAZMURI, P. & ARRATE, I. solucionado usando o pacote CPLEX), o sistema usufrui de poderosas ferramentas de
desenvolvimento e programação computacional, permitindo rápidas análises e
simulações gráficas. A implementação e o uso do sistema ocasionaram, além de uma
redução estimada de 10 à 15% dos custos, a identificação de oportunidades de
melhoria em novos setores da empresa.
58
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
24
25
ANO
1996
1996
AUTOR (ES)
RESUMO
LEACHMAN, R. C. et al.
O artigo apresenta um sistema baseado em otimização para o planejamento da
produção de uma grande empresa do ramo de semicondutores eletrônicos, a Harris
Corporation. Denominado IMPReSS, o sistema, que teve investimentos de grande
magnitude (software, hardware, consultoria e projeto), baseia-se em modelos de
programação linear e técnicas de decomposição heurística, para atender os
requerimentos operacionais e as prioridades do mercado. Na fase de modelagem os
autores revelam as dificuldades encontradas na conversão dos dados reais em dados
com formato apropriado ao modelo. Sua implementação proporcionou, além de bom
aumento da fatia de mercado da empresa e forte crescimento (de 75 para 95%) das
entregas imediatas (pronta entrega), uma contribuição substancial no produto interno
total do setor.
TAUBE-NETTO, M.
Trata-se de um robusto sistema integrado, implementado pela SADIA, maior produtor e
processador de aves do Brasil. Iniciado no final de 1990, o PIPA (Planejamento
Integrado da Produção Avícola) divide-se em cinco diferentes módulos para apoiar
decisões no nível estratégico, tático e operacional ao longo de sua cadeia produtiva.
Os modelos dos problemas de programação linear que descrevem os cinco módulos
do sistema possuem diferentes tamanhos, com matrizes que chegam a possuir 130 mil
variáveis, 35 mil restrições e 250 mil elementos não-nulos. Além de agregar maior valor
aos seus produtos, responder melhor às flutuações do mercado e aumentar a
sensibilidade para novas oportunidades, o PIPA conseguiu, de 1991 a 1994, benefícios
que superam US$ 50 milhões.
59
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
ANO
AUTOR (ES)
26
1997
PORTOUGAL, V.
27
1997
CASTRO, E.L.;
TABUCANON, M.T. &
NAGARUR, N. N.
RESUMO
Visando solucionar problemas de programação produtiva de uma grande indústria
fabricante de mais de 700 diferentes tipos de snacks (alimentos extrusados nãoperecíveis) na Nova Zelândia, o autor descreve a aplicação de uma ferramenta teórica
de programação. Nela foi inserido um algoritmo heurístico que combina a programação
dos gargalos de produção (processamento e acondicionamento) com as "janelas" de
tempo disponíveis durante o processo, objetivando a redução de custos totais de
produção. A implementação do sistema modificou o atual esquema de programação da
empresa, reduzindo substancialmente seus custos e proporcionando maior
estabilidade no uso das instalações da fábrica
Um modelo quantitativo de otimização das atividades de planejamento da produção foi
desenvolvido como forma de analisar os atuais problemas de uma fábrica de
chocolates tailandesa. Considerando uma demanda estocástica e as restrições de
capacidade da empresa, foi implementada a solução ótima gerada pelo modelo que,
por sua vez, trouxe redução substancial nos custos de produção quando comparada
aos atuais planos de produção. A análise de sensibilidade efetuada proporcionou a
identificação de oportunidades de melhoria no controle de estoques e gerenciamento
da produção a médio e longo prazo.
60
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
28
ANO
1998
AUTOR (ES)
RESUMO
Esse sistema de apoio à decisão foi implementado em uma indústria multinacional de
grande porte do setor de alimentos, produtora de mais de 100 produtos diferentes. O
sistema baseado em PC (“personal computer”) foi construído com caráter integrado
para atender os objetivos conflitantes de três grandes departamentos da empresa:
produção (minimizar custos de produção), logística e distribuição (minimizar estoques)
e marketing (maximizar serviço ao cliente). Os dados de entrada são relativos a
capacidade produtiva, uso de equipamentos e de insumos, níveis de estoques,
clientes, previsões de demanda, dentre outros. O modelo de otimização criado é
rodado em duas fases. Na primeira um algoritmo determina o mix de produção
SUNDARARAJAN, S. et al. semanal que alcance 100% do nível de serviço ao cliente ao menor custo de produção
possível. Na fase final um algoritmo heurístico (baseado em pequenas regras de
seqüência de produção adquiridas pela experiência da empresa) determina a melhor
seqüência
que
minimiza
o
ciclo
de
produção.
Gerentes da empresa alegam que pela primeira vez foram tomadas decisões com
planejamento criterioso e baseado em consistente base científica, levando em
consideração o objetivo global da empresa. Atualmente a empresa é capaz de atender
100% das necessidades dos clientes ao menor custo e com níveis ótimos de estoques.
Com o SAD a empresa conseguiu reduzir em 10% os custos totais de produção, além
da obtenção de novas percepções do processo.
61
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
29
30
ANO
AUTOR (ES)
RESUMO
1998
Como forma de melhorar a programação da carga de trabalho (comumente feita em
planilhas eletrônicas por simples tentativa e erro), um indústria de autopeças
desenvolveu um modelo de apoio à decisão baseado em técnicas de programação
linear inteira. O objetivo principal foi minimizar as carências e excessos (em horas de
trabalho) atualmente encontradas no horizonte de planejamento, atendendo as
restrições de capacidade operacional e disponibilidade total de horas de trabalho.
ZHANG, B. & PLONKA, F. Usando o software LINDO na execução do modelo, foi gerado um novo cenário de
produção que, quando comparado aos atuais planos, mostrou grandes possibilidades
de otimização da carga de trabalho na empresa. Sua adoção possibilitou determinar
eficientemente os cronogramas de atividades em cada período de tempo, melhorando
muito a alocação dos recursos disponíveis. Além disso, a análise de sensibilidade
mostrou que uma variedade de outros problemas gerenciais da empresa poderiam ser
adicionalmente solucionados pelo uso do modelo.
1998
Foi desenvolvido um sistema de apoio à decisão para o planejamento hierárquico da
produção a fim de facilitar as atividades nela envolvidas. Através de uma ferramenta de
fácil manipulação aos usuários permite, além da realização de poderosas análises das
ÖZDAMAR, L.; BOZYEL M.
atividades de produção em todos os níveis hierárquicos, acesso e atualização do
A. & BIRBIL, S.I.
banco de dados e integração aos sistemas de softwares MRP. Calcado em modelos
de programação linear e algoritmos matemáticos, tem sido muito aplicado em
empresas de máquinas agrícolas.
62
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
31
ANO
AUTOR (ES)
RESUMO
Esse sistema foi implementado para auxiliar a CLAS (Central Lechera Asturiana),
maior laticínio do norte da Espanha (volume de recebimento de 1,3 milhões de litros de
leite por dia e receita anual de mais de US$ 375 milhões) a organizar sua rede de
distribuição de produtos. A rede é formada de 19 regiões, sendo cada uma delas
gerida por 10 promotores de vendas (cada um com uma equipe de vendedores). O
número de clientes a serem atendidos por região varia de 5.000 a 15.000. Dada a
magnitude dessa rede, o número de dados gerados diariamente era enorme. O SAD
construído é composto de uma base de dados, uma de modelos e um gerenciador de
interface. O banco de dados possui basicamente dados internos da empresa e dados
ADENSO-DÍAZ, B.;
geográficos. A base de modelos é formada por cinco grandes grupos de modelos
1998 GONZÁLEZ, M. & GARCÍA,
hierárquicos (o problema global foi hierarquizado em cinco subproblemas: 1)
E.
Determinação do número de visitas semanais por cliente por vendedor; 2)
Determinação do grupo de clientes a ser atendido por determinado promotor; 3)
Determinação dos clientes a serem atendidos por determinado vendedor; 4)
Determinar quais dias da semana de atendimento de cada cliente; 5) Determinar os
menores caminhos a serem percorridos na rede. A interface é composta de menu
principal com três opções: exibição de tabelas e constantes, exibição de dados e
exibição de modelos. Os ganhos foram consideráveis, tendo promovido redução de
10% da quilometragem percorrida semanalmente. Durante a implementação o principal
problema foi a crença no sistema por parte da gerência da empresa.
63
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
32
ANO
1998
AUTOR (ES)
DRUMOND, F. P.
SEM, S. & HIGLE, J.L.
RESUMO
No trabalho apresenta-se um sistema de apoio à decisão para o planejamento da
produção de médio e curto prazo do Terminal Portuário Tubarão, localizado no litoral
brasileiro. O fluxo total de cargas e mercadorias do porto destina-se ao minério de
ferro, pelotas e soja. Além da implementação de um modelo integrado de planejamento
e de modelos de programação linear para a minimização de custos de produção e
horas de trabalho, foram elaborados vários outros, representados por grafos
disjuntivos, destinados ao sequenciamento das atividades portuárias (tempos, uso de
equipamentos e atividades humanas). A resolução dos modelos foi feita usando o
pacote CPLEX 5.0. A adoção de tais modelos mostrou-se essencial para a elaboração
de bons planos de produção, principalmente em situações com demanda bem definida.
Os autores discutem uma variedade de modelos de programação linear com restrições
probabilísticas que podem ser usados para o planejamento sob incerteza, sendo
ilustrados exemplos disponíveis na literatura sobre gerenciamento de linhas aéreas
(condição de demanda aleatória visando maximizar a receita bruta esperada) e de
telecomunicações (minimização das solicitações sem atendimento dos clientes de
acordo com restrições orçamentárias da empresa).
33
1999
34
O sistema denominado CAPS é uma ferramenta de apoio à decisão baseada em
programação linear para o planejamento estratégico da capacidade de produção em
uma grande empresa fabricante de semicondutores. Basicamente visa encontrar o mix
de produção que maximiza o lucro, atendendo as restrições de capacidade operacional
dos equipamentos envolvidos na linha de produção. Os autores descrevem as
1999 BERMON, S & HOOD, S. J. dificuldades de modelar esse complexo problema produtivo. A implementação, em
interface gráfica, foi realizada em um servidor Unix através do solver OSL da IBM. Com
capacidade para solucionar problemas com até 5500 variáveis de decisão e 2400
restrições, o sistema CAPS tem possibilitado reconciliar previsões de demanda dos
produtos com a capacidade de produção planejada, auxiliando nas estratégias de
investimentos e provocando grande crescimento de receita bruta.
64
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
35
36
ANO
2000
2000
AUTOR (ES)
RESUMO
BUEHLMANN, U.;
RAGSDALE, C.T. &
GFELLER, B.
O artigo descreve um sistema de apoio a decisão baseado em planilha eletrônica (MS
Excel) destinado ao auxílio na alocação dos recursos de produção e na combinação de
diferentes tipos de matérias-primas no processamento de painéis de madeira. A
formulação do problema foi obtida através de um modelo de programação linear
simples, com uma função objetivo de minimização dos custos totais de produção. As
restrições foram divididas em três grupos: quantidade e disponibilidade de matériaprima (47), capacidade dos equipamentos de processamento (9) e garantia da
qualidade (11). A entrada de dados no sistema (implementado com interface amigável
usando a linguagem VBA) consistiu, portanto, em dados de produção, matérias-primas,
qualidade, capacidade operacional e de custos. A execução do modelo permiti a
geração de relatórios de custos finais (totais e individuais) e de gráficos do uso dos
equipamentos. Os autores afirmam se tratar de uma ferramenta de apoio
extremamente versátil e útil na redução de custos, tanto para gerentes de fábricas
como para o pessoal comercial e outros indivíduos envolvidos no processamento.
KATOK, E. & OTT, D.
Um grande indústria americana produtora de latas de alumínio, a VMC, desenvolveu
um sistema de apoio à decisão baseado em planilha eletrônica para auxiliar na
elaboração dos planos e cronogramas semanais de produção. Usando modelos de
programação inteira, o sistema que foi implementado em linguagem GAMS, visa
reduzir o custo total semanal das operações de troca de rótulos e de depaletização das
latas. A entrada de dados no sistema, que refere-se às informações de estoques,
capacidade operacional, demanda, tempo de processos e custos, permite a geração
posterior de relatórios de cronometragem de processos, níveis de produção e de
estoques. Dados obtidos pelo uso da ferramenta computacional estimam uma redução
anual de aproximadamente US$150 mil nos custos de produção.
65
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
37
38
ANO
2000
2001
AUTOR (ES)
RESUMO
MÜLLER, B.
O trabalho descreve a implementação de modelos de otimização simultânea das
variáveis preço e quantidade, com a função-objetivo quadrática, para auxiliar no
planejamento da produção da indústria laticinista local. A ferramenta computacional
mostrou menor necessidade de entrada de dados adicionais e melhoria de
rendimentos de processamento, quando comparados aos métodos tradicionais.
BROWN, G. et al.
Desde o final da década de oitenta a Kellogg, maior produtora de cereais do mundo e
líder na produção de alimentos de conveniência, vem utilizando um sistema de apoio
na otimização da produção, de estoques e da rede de distribuição. A empresa tem 5
unidades nos Estados Unidos e 5 no Canadá, sendo que cada unidade tem em média
7 centros de distribuição dos produtos. Dentro dessa rede tem-se ainda mais 15
empresas terceirizadas que atuam na produção ou apenas na embalagem de alguns
dos milhares de itens linha de produtos. O sistema criado foi dividido em duas versões:
KPS operacional e KPS tático. O primeiro, que atua em base semanal e via modelos
de programação linear (aproximadamente com 100 mil restrições, 700 mil variáveis e 4
milhões de coeficientes não nulos) visa dar auxílio em decisões do tipo “onde produzir”,
“para onde transportar”, “qual mix produzir”, dentre muitas outras. O segundo também
baseado em modelos de PL, porém em base mensal, auxilia em processos decisórios
de planejamento de longo prazo (orçamentos industriais, investigação de capacidades
de expansão, localização de novas unidades e centros de distribuição). Atualmente o
sistema (solucionado por X-System em um Pentium III 500 MHz em cerca de 20
minutos) ainda encontra-se em constante aprimoramento. Os benefícios gerados foram
muitos em mais de uma década de uso. Por exemplo, o uso da versão operacional
resultou na redução de US$ 4,5 milhões dos custos de produção em 1995. Segundo
dados da empresa, o uso do KPS tático tem resultado no acúmulo médio de caixa
estimado de US$ 35 à 40 milhões por ano.
66
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
39
40
41
ANO
2001
AUTOR (ES)
MÜLLER, B.
RESUMO
O autor demonstra a implementação de um algoritmo computacional de apoio decisório
baseado em modelos de otimização mista visando a utilização ótima da capacidade de
produção e de vendas em laticínios, função de fatores de riscos mercadológicos
futuros. Seu uso requer softwares padrão e computadores pessoais comuns. A adoção
desses métodos provocou melhoria dos rendimentos de leite processado diariamente.
2002
O estudo pretendeu melhorar a eficiência de preços dos mercados atacadistas de
pescado em Taiwan pela aplicação de um sistema de apoio à decisão. O
desenvolvimento do mesmo baseou-se na implementação de dois modelos: simulação
(dinâmica de processos envolvidos e análises estatísticas) e regressão. Compatível
LEE, T.; KAO, J. & WU, C. com sistema Windows, a ferramenta de apoio é composta por um módulo de interface,
uma base de dados e outra de modelos. No artigo é mostrado um exemplo de
aplicação do sistema em um mercado regional do país, permitindo atestar a efetividade
do mesmo.
2002
No texto é mostrada a formulação de um modelo de programação linear inteira mista
para descrever o problema de planejamento e programação da produção em uma
GOTHE-LUNDGREN, M.; refinaria de óleos. O objetivo básico foi auxiliar nas decisões relativas ao modo de
operação das atividades de destilação e de hidrotratamento, de modo a minimizar os
LUNDGREN J. T. &
custos de produção e satisfazer a demanda. Solucionado pelo software CPLEX, os
PERSSON, J. A.
autores mostram a aplicabilidade e importância da ferramenta na identificação de
novos cenários nos níveis tático e estratégico.
67
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
ANO
AUTOR (ES)
RESUMO
42
O departamento do Tesouro Nacional Chileno, como forma de reduzir as ineficiências
causadas pelos atuais métodos de planejamento estratégico e melhorar o controle
sobre os trinta e cinco (35) escritórios regionais ao longo do país, desenvolveu um
sistema baseado em planilha eletrônica e em modelos multiperiódicos de programação
SINGER, M.; DONOSO, P. & linear. A função-objetivo visa maximizar o valor presente líquido de todos os
2002
POBLETE, F.
rendimentos oriundos dos pagamentos, concordatas e liquidações de bens e pessoas
jurídicas. O sistema é alimentado por diversos parâmetros dependentes de cada
região. A implementação da ferramenta mostrou efeitos positivos no rendimento de
performance e de alcance de metas nos escritórios do governo.
43
O artigo mostra uma nova abordagem de sistema de suporte ao planejamento rural em
fazendas e empresas rurais de médio e grande porte. Buscando representar a
complexidade do problema, que envolve elaboração de cronogramas de trabalhos e
atividades, análise de investimentos e de custo-benefício, seleção de equipamentos e
outros aspectos de programação da produção, a modelagem foi feita através de
técnicas de programação linear inteira visando minimizar os custos de produção. O
sistema, implementado em programação C++ integrada ao otimizador CPLEX, mostrou
resultados satisfatórios no apoio decisório das várias operações e atividades
envolvidas.
44
2002
2002
RECIO, B.; RUBIO, F. &
CRIADO, J. A.
O objetivo do artigo foi explorar a aplicação da análise e da modelagem de simulação
em indústrias de alimentos de processos semicontínuos, permitindo auxiliar analistas
HUDA, A. M. & CHUNG, C. da área na criação de modelos de simulação. São discutidas as etapas de coleta de
A.
dados, medidas de performance, validação, verificação dos modelos e design
experimental.
68
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
45
46
ANO
AUTOR (ES)
RESUMO
2002
Esse sistema foi desenvolvido para auxiliar a empresa Jan de Wit, localizada no
município de Holambra/SP, na otimização da comercialização e do planejamento da
produção de flores de lírio.O modelo de otimização baseado em programação linear
tem a função-objetivo de maximizar a margem de contribuição, restrições de limites de
venda, de demanda do mercado, de uso de estufas, de aspectos técnicos e do tempo
CAIXETA-FILHO, J. V.; van do ciclo de produção. As variáveis de decisão são o numero de lírios da variedade “v”
SWAAY-NETO, J. M. & produzidos na estufa “x”, batelada “y”. A matriz do modelo tem aproximadamente 120
mil linhas, 420 mil colunas e 1,3 milhões de coeficientes não-nulos A interface é
WAGEMAKER, A. P.
amigável e os “outputs” são: resultados financeiros, vendas, uso de estufas, utilização
de recursos, dentre outros.O SAD (compatível com o sistema Windows, programado
inicialmente em Visual Basic e posteriormente em linguagem GAMS), que vem sendo
usado desde o inicio de 2000, resultou em incremento de 26% da receita, 14,8% na
produção de vasos e 29,3% na de buquês.
2002
Foi desenvolvido um modelo de otimização de minimização de custos de base semanal
destinado à programação das linhas de produção e de acondicionamento da Hidden
Valley, tradicional empresa produtora de molhos, temperos e flavors localizada no sul
do estado da Califórnia, Estados Unidos. O modelo abrange restrições relativas às
unidades produtivas, linhas de envase e transportadores, custo e tempo de
embalagem, comutações, paradas, níveis de estoques e serviços, carregamentos,
custos de insumos, oferta de mão-de-obra, dentre outras. A implementação, que foi
feita através do pacote PowerVista com interface gráfica e amigável, permitiu dinamizar
a elaboração dos planos e cronogramas propostos, trazendo eficiência e maior
qualidade nas decisões envolvidas.
BROWN, G. et al.
69
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
ANO
AUTOR (ES)
RESUMO
47
Mastersafra é uma ferramenta de planejamento integrado de uma agroindústria sucroalcooeira. O sistema destina-se à maximização da geração de caixa atendendo
restrições das áreas de produção agrícola (manejo, ambiente, qualidade, rendimentos
e custos), industrial (capacidades operacionais, estoques, processos, limites, etc.)
BEAUCLAIR, E. G. F.;
2003 KAZAN, B. & PENTEADO, C. comercial (estoques inicias, custos de armazenamento, limites de mercado), física
(qualidade da matéria-prima) e financeiro (taxas, juros, estimativas de câmbio e
R.
horizontes de planejamento). Testes de validação do sistema em unidades
agroindustriais do estado de São Paulo mostraram benefício em torno de 5% da receita
bruta.
48
O trabalho mostra um protótipo de sistema de apoio à definição do mix de produção
em indústrias de laticínios. Baseado em um modelo de programação linear que objetiva
a maximização do lucro e atende restrições operacionais e mercadológicas, foi
ALMEIDA-JÚNIOR, J. F.; implementado em planilha eletrônica usando o código VBA. O sistema permite fácil e
2003 SILVA, C. A. B. & HELENO, amigável entrada de dados, gerando um relatório de mix ótimo que pode auxiliar
G.
gerentes laticinistas na programação da produção. Os autores afirmam que adoção da
ferramenta, que teve baixos níveis de investimento, é plenamente viável em laticínios
de pequeno e médio porte.
49
Nesse trabalho discute-se a problemática da programação do uso do moinho de rolos
em indústrias produtoras de aço, marcadas freqüentemente por instabilidades e
eventos imprevistos nas etapas de produção. Descreve-se ainda em detalhes a
operação de um sistema de apoio à decisão comercial, muito usado pelas indústrias do
ramo, que auxilia na elaboração dos cronogramas de trabalho. Tal sistema baseia-se
em algoritmos e técnicas heurísticas para lidar melhor com os problemas de operação
na produção. No texto os autores atestam a vantagem operacional dessa ferramenta
computacional quando comparada ao sistemas manuais de determinação de
cronogramas das atividades de produção.
2003
COWLING, P.
70
Tabela 2 (Cont.) – Numeração, ano de publicação, autores e resumos dos trabalhos.
NÚMERO
50
ANO
2003
AUTOR (ES)
RESUMO
GIANNELOS, N. F. &
GEORGIADIS, M. C.
Uma nova abordagem de modelagem para a programação da produção em indústrias
de bens de consumo rápido é descrita no artigo, usando programação linear mistainteira. O modelo, que visa maximizar vendas de produtos finais, inclui dados sobre
processos, matérias-primas, requerimentos de estocagem, horizonte de operação,
demanda de produtos, alocação de equipamentos, dentre outros. No trabalho é
apresentado um estudo de caso de aplicação do modelo, solucionado pelo software
CPLEX (via linguagem GAMS).
71
5. CONCLUSÕES
A revisão de literatura realizada neste trabalho de pesquisa mostra que este
campo de estudo da área de tecnologia da informação foi e continua sendo
fortemente disseminado nas mais diversas regiões do globo nas últimas décadas.
Vários países vêm adotando aplicações desses sistemas, incluindo o Brasil,
Chile, Espanha, Inglaterra, Suíça, Suécia, Alemanha, França, Irlanda, Holanda,
Grécia, Turquia, Sri Lanka, Tailândia, Singapura, Taiwan, Japão, Nova Zelândia,
México e Canadá. São principalmente freqüentes as aplicações nos Estados
Unidos, pioneiros nos estudos e usos desses sistemas e certamente com a
grande maioria de desenvolvimentos de ferramentas computacionais na área
gerencial.
Durante a fase de análise, elaboração e classificação dos resumos dos artigos
pôde-se claramente perceber algumas tendências no uso das técnicas de
modelagem investigadas nos ambientes gerenciais. A maior parcela dos sistemas
é destinado aos gerentes do nível tático das empresas, direcionados sobretudo
para a área de planejamento e controle das atividades de produção e visando
principalmente minimizar os custos de produção (totais ou setoriais). Notou-se
ainda o forte uso de algumas ferramentas computacionais em especial, como os
“solvers” de planilhas eletrônicas e do pacote CPLEX, e as linguagens de
programação GAMS e VBA nos trabalhos mais recentes. Outro fato que pode ser
destacado refere-se à aparição de algumas aplicações dos SOM’s fora do ramo
empresarial e privado, como o desenvolvimento e implementação de modelos de
programação linear em ambientes gerenciais de alguns órgãos governamentais.
Espera-se assim que essa revisão possa contribuir na investigação de
trabalhos futuros nessa área de sistemas de apoio à decisão, estimulando
também a elaboração de novos levantamentos bibliográficos especializados
similares, infelizmente ainda não muito freqüentes ou disponibilizados na
literatura.
72
6. REFERÊNCIAS
ADENSO-DÍAZ, B.; GONZÁLEZ, M.; GARCÍA, E. A Hierarquical Approach to
Managing Dairy Routing. Interfaces, v.28, n.2, p.21–31, mar./apr. 1998.
ALMEIDA-JÚNIOR, J. F.; SILVA, C. A. B.; HELENO, G. Desenvolvimento de um
Protótipo para a Otimização do Mix de Produção na Indústria de Laticínios. In: IV
Congresso Brasileiro da Sociedade Brasileira de Informática Aplicada à
Agropecuária e à Agroindústria, 2.,2003, Porto Seguro. Anais...Lavras/MG:
Universidade Federal de Lavras, 2003.
BAKER, G.L; CLARK, W.A.; FRUND, J.J.; WENDELL, R.E.
Production
Planning and Cost Analysis on a Microcomputer. Interfaces, v.17, n.4, p.53-60,
jul./aug. 1987.
BALINTFY, J. L. A Mathematical Programming System for Food Mangement
Applications. Interfaces, v.6, n.1, p.13-31 , nov. 1975.
BEAUCLAIR, E. G. F.; KAZAN, B.; PENTEADO, C. R. Mastersafra - Uma
Ferramenta de Planejamento Estratégico para a Agroindústria Sucro-Alcooleira.
In: IV Congresso Brasileiro da Sociedade Brasileira de Informática Aplicada
à Agropecuária e à Agroindústria, 2.,2003, Porto Seguro. Anais...Lavras/MG:
Universidade Federal de Lavras, 2003.
BERMON, S.; HOOD, S. J. Capacity Optimization Planning System. Interfaces,
v.29, n.5, p.31-50, sep./oct. 1999.
BOWERS, M.R.; AGARWAL, A. Lower In-Process Inventory and Better On-Time
Performance at Tanner Companies, Inc. Interfaces, v.25, n.4, p.30-43, jul./aug.
1995.
BRAGA, J. L. Tecnologia da Informação. Apostila MBA Agronegócio.
Universidade Federal de Viçosa, Viçosa/MG, 2001. 76p.
BROWN, G. et al. Optimizing Plant-Line Schedules and an Application at Hidden
Valley Manufacturing Company. Interfaces, v.32, n.3, p.1–14, may./jun. 2002.
BROWN, G. et al. The Kellogg Company Optimizes Production, Inventory, and
Distribuition. Interfaces, v.31, n.6, p.1–15, nov./dec. 2001.
BUEHLMANN, U.; RAGSDALE, C.T.; GFELLER, B. A Spreadsheet-based
Decision Support System for Wood Panel Manufacturing. Decision Support
Systems, v.29, n.207–227, 2000.
CABRAAL, R.A. Production Planning in a Sri Lanka Coconut Mill Using Parametric
Linear Programming. Interfaces, v.11, n.3, p.16-23, jun. 1981.
73
CAIXETA-FILHO, J. V.; van SWAAY-NETO, J. M.; WAGEMAKER, A. P.
Optimization of the Production Planning and Trade of Lily Flowers at Jan de Wit
Company. Interfaces, v.13, n.1, p.35–46, jan./feb. 2002.
CASTRO, E.L.; TABUCANON, M.T.; NAGARUR, N. N. A Production Order
Quantity Model with Stochastic Demand for a Chocolate Milk Manufacturer.
International Journal of Production Economics, v.49, p.145-156, 1997.
COWLING, P. A Flexible Decision Support System for Steel Hot Rolling Mill
Scheduling. Computers & Industrial Engineering, v.45, p.307–321, 2003.
DRUMOND, F. P. Sistema de Apoio à decisão para Planejamento da
Produção de um Terminal Portuário. 1998. 86p. Tese (Mestrado em Ciência da
Computação), Universidade Federal de Minas Gerais, Belo Horizonte.
FINCKE, U.; VAESSEN, W. Reducing Distribuition Costs in a Two-Level Inventory
System at Ciba-Geigy. Interfaces, v.18, n.6, p.92-104, nov./dec. 1988.
FORNETTI, M. Uso de Modelos Computacionais de Gerenciamento e
Controle da Produção na Indústria de Laticínios. 1988. 97p. Tese (Mestrado
em Ciência e Tecnologia de Alimentos), Universidade Federal de Viçosa,
Viçosa/MG.
GAZMURI, P.; ARRATE, I. Modeling and Visualization for a Production Planning
Decision Support System. International Trans. Operational Research, v.2, n.3,
p.249-258, 1995.
GIANNELOS, N. F.; GEORGIADIS, M. C. Efficient Scheduling of Consumer
Goods Manufacturing Processes in the Continuos Time Domain. Computers &
Operations Research, v.30, p.1367-1381, 2003.
GOTHE-LUNDGREN, M.; LUNDGREN J. T.; PERSSON, J. A. An Optimization
Model for Refinery Production Scheduling. International Journal of Production
Economics, v.78, p.255-270, 2002.
HARRISON, H.; WILLS, D.R. Product Assembly and Distribuition Optimization in
na Agribusiness Cooperative. Interfaces, v.13, p.1-9, apr. 1983.
HARRISON, H. Management Science and Productivity Improvement in Irish Milk
Cooperatives. Interfaces, v.16, n.4, p.31-40, jul./aug. 1986.
HUDA, A. M.; CHUNG, C. A. Simulation Modeling and Analysis Issues for HighSpeed Combined Contonuos and Discrete Food Industry Manufacturing Process.
Computers & Industrial Engineering, v.43, p.473-483, 2002.
JAIN, S. K.; STOTT, K. L.; VASOLD, E. G. Orderbook Balancing Using a
Combination of Linear Programming and Heuristic Techniques. Interfaces, v.9,
n.1, p.55-67, nov. 1978.
74
KATOK, E.; OTT, D. Using Mixed-Integer Programming to Reduce Label Changes
in the Coors Aluminum Can Plant. Interfaces, v.30, n.2, p.1-12, mar./apr. 2000.
KHOONG, C. M.; LAU, H. C. ROMAN: An Integrated Approach to Manpower
Planning and Scheduling. Computer Science and Operations Research, Great
Britain: Pergamon Press, 1992
KING, R.H.; LOVE JR., R.R. Cordinating Decisions for Increased Profits.
Interfaces, v.10, n.6, p.4-19, dez. 1980.
LEACHMAN, R. C. et al. IMPReSS: An Automated Production-Planning and
Delivery-Quotation System at Harris Corporation - Semiconductor Sector.
Interfaces, v.26, n.1, p.6-37, jan./feb. 1996.
LEE, T.; KAO, J.; WU, C. Application of PDSS to Improve the Price Eficiency of
Wholesale Fish Market. Simulation Practice and Theory, v.9, p.241-253, 2002..
LIBERATORE, M.J.; MILLER, T.
A Hierarquical Production Planning System.
Interfaces, v.15, n.4, p.1-11, jul./aug. 1985.
LOVE JR., R.R.; HOEY, J. M. Management Science Improve Fast-Food
Operations. Interfaces, v.20, n.2, p.21-29, mar./apr. 1990.
MACLEOD, B.; MOLL, R.
A Principled Approach to Solving Complex Discrete
Optimization Problems. Computer Science and Operations Research, Great
Britain: Pergamon Press, 1992
MÜLLER, B.
Optimal utilization of production capacities in a dairy at risk.
Kieler Milchwirtschaftliche Forschungsberichte, v.53, n.2, p.93-122, 2001.
MÜLLER, B.
Simultaneous optimization of price and quantity at the example of
production program planning in dairies. Kieler Milchwirtschaftliche
Forschungsberichte, v.52, n.3, p.245-267, 2000.
NEBOL, E.
Macro Production Planning: An Applied Research Project.
Interfaces, v.17, n.4, p.71-77, jul./aug. 1987.
ÖZDAMAR, L.; BOZYEL M. A.; BIRBIL, S.I.
A Hierarquical decision Support
System for Production Planning (with case study). European Journal of
Operational Research, v.104, p.403-422, 1998.
PAREDIS, J.; van RIJ, T.
Intelligent Modeling, Simulation and Scheduling of
Discrete Production Process. Computer Science and Operations Research,
Great Britain: Pergamon Press, 1992
PORTOUGAL, V.
Production Scheduling in the Snack-Food Industry.
Interfaces, v.27, n.6, p.51-64, nov./dec. 1997.
75
POWER, D. J. A Brief History of Decision Support Systems. DSSResorces.COM,
version 2.8, may. 2003. Disponível em:
http://DSSResorces.COM/history/dsshistory.html. Acesso em: 04 fev. 2004.
RANDHAWA, S.U.; BJARNASON, E.T. A decision Aid for Coordinating Fishing
and Fish Processing. European Journal of Operational Research, v.81, p.6275, 1995.
RECIO, B.; RUBIO, F.; CRIADO, J. A. A Decision Support System for Farm
Planning using AgriSupport II. Decision Support Systems (In Press), v.1020,
15p., 2002.
ROY, A.; FALOMIR, E.E.; LASDON, L. An Optimization-based decision support
system for a Product Mix Problem. Interfaces, v.12, n.2, p.26-33, apr. 1982.
SANKARAN, J.K.; UBGADE, R.R. Routing Tankers for Dairy Milk Pickup.
Interfaces, v.24, n.5, p.59-66, sep./oct. 1994.
SEM, S.; HIGLE, J. L. An Introductory Tutorial on Stochastic Linear Programming
Models. Interfaces, v.29, n.2, p.33-61, mar./apr. 1999.
SINGER, M.; DONOSO, P.; POBLETE, F. Semi-Autonomus Using Linear
Programming in the Chilean General Treasury. European Journal of
Operational Research, v.140, p.517-529, 2002.
SULLIVAN, R. S.; SECREST, S. C. A Simple Optmization DSS for Production
Planning at Dairyman's Cooperative Creamery Association. Interfaces, v.15, n.5,
p.43-56, sep./oct. 1985.
SUNDARARAJAN, S. et al. Application of a Decision Support System for
Operational Decisions. Computers & Industrial Engineering, v.35, n.1-2, p.141144, 1998.
SWART, W.; DONNO, L. Simulation Modeling Improves Operations, Planning and
Productivity of Fast Food Restaurants. Interfaces, v.11, n.6, p.35-47, dec. 1981.
TAUBE-NETTO, M.
Integrated Planning for Poltry Production at Sadia.
Interfaces, v.26, n.1, p.38-53, jan./feb. 1996.
TSUBONE, H.; MATSUURA, H.; KIMURA, K. Decision Support System for
Production Planning - Concept and Prototype. Decision Support Systems, v.13,
p.207-215., 1995.
TURBAN, E. & ARONSON, J. E. Decision Support Systems and Intelligent
Systems Prentice-Hall : New Jersey, 1998. 589p.
ZHANG, B.; PLONKA, F. Optimization of Work loading for the Die and Tool Shop.
Computers & Industrial Engineering, v.35, n.1-2, p.41-44, 1998.
76
Capítulo 3
DESENVOLVIMENTO DE UM PROTÓTIPO DE SISTEMA DE APOIO À DECISÃO
PARA O PLANEJAMENTO DA PRODUÇÃO EM LATICÍNIOS
EXTRATO
No intuito de atender a forte demanda e suprir a carência das indústrias de laticínios
brasileiras quanto a “softwares” específicos de apoio às decisões gerenciais, este
trabalho objetivou desenvolver um protótipo de sistema de suporte aos gerentes e
técnicos laticinistas na definição semanal dos planos de produção. Orientado por um
modelo de programação linear de objetivo único - a maximização da margem de
contribuição - considerando restrições de volume de leite recebido, creme e soro de leite
gerados, disponibilidade de mão-de-obra operacional, capacidade dos equipamentos
críticos e limites mínimos e máximos de vendas, o sistema foi construído em planilha
eletrônica convencional conjuntamente com a automatização de tarefas em código VBA
(Visual Basic for Applications). Com interface auto-explicativa e amigável, permite a
inserção dos dados que compõem o problema do mix de produção (coeficientes técnicos
diversos, preços, custos, limites mercadológicos e disponibilidades totais dos recursos
produtivos) através de caixas de diálogo. Os resultados gerados municiam os gerentes
com um conjunto de informações mostradas na forma de relatórios, gráficos e tabelas,
agilizando e melhorando a qualidade da decisão referente à determinação do mix
semanal de produtos. Além da descrição e apresentação do protótipo, o trabalho ilustra
os resultados de um teste preliminar realizado a partir de dados reais de uma indústria de
laticínios de pequeno porte.
77
1. INTRODUÇÃO
Os avanços na área de ciência da computação e tecnologia da informação
marcaram de forma indubitável a sociedade global no século passado. No Brasil,
assim como em outros países, a forte disseminação das tecnologias de
informática, evidenciada pelo advento da Internet e dos sistemas e softwares
interativos nos últimos anos, deu nova dinâmica às atuais relações e atividades
empresariais, ocasionando impacto especial na competitividade do setor
industrial.
De acordo com o recente estudo feito pelo SEBRAE (2003), que avaliou o
atual estágio de uso da informática nas micro e pequenas empresas do estado de
São Paulo, a informatização empresarial pode hoje atuar antagonicamente, desde
agente colaborador até excludente, no que se refere às oportunidades de
negócios e competitividade. Ainda neste estudo foram identificadas as atuais
atividades econômicas mais e menos informatizadas. No setor industrial os
maiores índices ocorrem nas atividades produtivas de plástico e borracha,
equipamentos, edição e gráfica e de construção civil. Em contrapartida as
indústrias menos informatizadas são às de couros e calçados, móveis, têxteis,
metalúrgica e de alimentos, onde se insere a indústria de leite e derivados.
Embora tradicional na economia brasileira, com a sexta maior produção em
volume de leite do globo e efetiva participação na geração de empregos e renda
para a sociedade, a indústria de laticínios ainda é consideravelmente desprovida
de ferramentas de informática, especialmente no que se refere a softwares
específicos para o apoio gerencial. O ramo industrial de laticínios do Brasil, que
iniciou seu processo de informatização a partir de 1980 (com impulso entre
meados dessa década e o princípio dos anos 90), possui maior carência de
programas direcionados às áreas de custos, gerenciamento da recepção de leite
e otimização/planejamento da produção (CARVALHO & SILVA, 1997). Como se
pode notar, tais necessidades requerem, além das ferramentas computacionais, a
contribuição das ciências gerenciais.
78
No panorama atual do setor de laticínios, dentre as várias atividades
gerenciais, a utilização das técnicas de planejamento e controle da produção, em
particular, assume função primordial no auxílio à alocação ótima dos recursos
produtivos disponíveis. A elaboração de planos de produção e vendas e a
determinação de níveis ótimos de estoques e planos de distribuição têm sido
aplicadas em indústrias de alimentos nesse contexto, principalmente no exterior,
com o embasamento de técnicas oriundas da área de pesquisa operacional (PO),
como a programação linear (PL). Trabalhos como o de HARRISON (1986),
CLAASSEN & van BEEK (1993) e BROWN et al. (2001), exemplificam esses
argumentos.
Os modelos de programação linear permitem conduzir, por exemplo, estudos
que auxiliem na determinação do mix de produtos a ser adotado para que haja
maximização da margem de contribuição, de acordo com as restrições
operacionais e mercadológicas das empresas. A análise de mix de produtos é
normalmente simples de ilustrar e os resultados são de fácil compreensão, tendo
grande aplicabilidade inclusive em pequenas e microempresas, como as
indústrias de laticínios de menor porte.
Definir claramente o problema e os objetivos, coletar, classificar e registrar os
dados necessários, desenvolver novos cenários para realização de análises de
mix complementares, selecionar o perfil ótimo de mix de produção e mapear a
atual seqüência de produção, são alguns passos básicos que podem ajudar na
redução das chances de insucesso em um estudo de mix de produtos (HSIANG,
2002). Alguns exemplos dos benefícios trazidos pela aplicação prática desse tipo
de análise podem ser encontradas em ROY et al. (1982) e em RANDHAWA &
BJARNASON (1995)
Retomando a atenção para as ferramentas computacionais hoje disponíveis,
pode-se
agora
discorrer
melhor
sobre
a
implementação
dos
modelos
matemáticos de programação linear aplicados ao gerenciamento da produção,
caso aplicável nos problemas de definição de mix de produção.
Atualmente, com a economia global, muitos são os fatores que podem
influenciar a tomada de decisão dos gerentes industriais. Fatores extrínsecos
79
como estabilidade política, intervenções governamentais, competição, hábitos de
consumo, complexidade da estrutura dos negócios e tecnologia da informática,
aliados aos intrínsecos, como dados financeiros e de produção, tornam decisões
aparentemente simples (como a definição do mix de produtos) em questões de
risco competitivo para as indústrias nacionais e internacionais (BRAGA, 2001).
Conseqüentemente a eficiência na condução e implementação de modelos de
PL que apóiem as decisões de definição do mix de produção depende
primordialmente do auxílio de ferramentas computacionais. Registro de dados,
desenvolvimento de novos cenários e seleção do perfil ótimo não são tarefas
trivialmente realizadas sem a ajuda de computadores.
Alem disso, segundo HSIANG (2002), uma concisa análise de mix de
produção não é tão simples como parece. A grande quantidade de dados
necessários ao estudo não é, em geral, obtida na forma mais conveniente para
análises preliminares. Isso pode demandar tempo, de acordo com os objetivos e
com a complexidade do problema. Outro ponto importante diz respeito à
dificuldade de implementação de algumas restrições operacionais. Algumas delas
podem não estar bem especificadas para a modelagem do problema de
otimização, como a disponibilidade de matéria-prima, sazonalidade da demanda
de clientes e “gargalos” na produção. Por envolver uma extensa série de
requisitos, restrições e informações a respeito do processo de produção, do
mercado e do ambiente externo, a qualidade da decisão do mix de produtos pode
ficar prejudicada caso se baseie exclusivamente na experiência e na habilidade
da mente humana. Desse modo, a modelagem e implementação desse problema
gerencial requerem, indispensavelmente, o emprego de apoio computacional
através do uso e construção de protótipos e softwares específicos, como forma de
melhorar a qualidade dessa importante decisão gerencial.
Nos últimos anos, diferentes softwares e linguagens de programação têm sido
utilizados na implementação dos modelos de PL que descrevem o problema do
mix de produtos em pequenas e médias empresas. Incluem-se nesse grupo os
“solvers” tradicionais e planilhas eletrônicas, além dos códigos das linguagens
GAMS, AMPL, Visual Basic e Delphi.
80
Em razão da sua ampla disseminação, boa acessibilidade, grande facilidade e
versatilidade de uso, inclusive por usuários comuns, as planilhas eletrônicas
aparecem como uma ferramenta muito poderosa no apoio ao gerenciamento de
empresas. Além disso, as planilhas podem hoje possuir conjunção com
programas complementares, como os “solvers” e o código VBA (Visual Basic for
Applications), facilitando a implementação de modelos e protótipos de otimização
a um custo reduzido e com boa adequação à realidade das micro, pequenas e
médias indústrias. Exemplos dessas aplicações podem ser encontrados nos
estudos de BUEHLMANN et al. (2000) e CAIXETA-FILHO (2002).
Mesmo que de forma sucinta, os argumentos acima constituíram o referencial
para o presente trabalho de pesquisa, que por sua vez consistiu no
desenvolvimento e teste preliminar de um protótipo de sistema de apoio à decisão
aplicado na otimização do mix de produção em indústrias de laticínios de
pequeno e médio porte.
2. OBJETIVOS
No intuito de atender as necessidades do ramo industrial brasileiro de
laticínios por sistemas específicos para o auxílio em processos decisórios no
ambiente gerencial frente ao novo cenário competitivo, este trabalho visou
contribuir, através do desenvolvimento de um protótipo de sistema de apoio à
decisão baseado em otimização, com a melhoria da eficiência gerencial dos
pequenos e médios laticínios.
Especificamente pretende-se:
i.
Com
base
previamente
nas
necessidades
realizado
junto
às
identificadas
em
levantamento
indústrias
mineiras
do
setor,
desenvolver um sistema flexível, acessível e de fácil utilização por
laticínios de pequeno e médio porte, baseado em planilha eletrônica e
na edição de códigos VBA;
81
ii.
Implementar, além das saídas para a geração dos relatórios de mix
ótimo de produção e de sobra e uso dos recursos produtivos (incluindo
cálculo do ponto de equilíbrio), outras duas formas de apreciação de
resultados destinadas à geração do relatório de análise de sensibilidade
e de gráfico comparativo (lucro gerado versus consumo percentual de
matéria-prima, por produto produzido).
iii.
Realizar teste preliminar do protótipo a partir de dados reais de uma
indústria de laticínios de médio porte, obtendo informações iniciais
sobre a efetividade do sistema desenvolvido.
3. METODOLOGIA
O desenvolvimento do protótipo seguiu a metodologia de prototipação
proposta por TURBAN (1998), que envolve os seguintes passos iniciais:
i.
Pesquisa e Análise
Essa etapa consistiu numa ampla revisão de literatura sobre o uso de
modelos e ferramentas de suporte à decisão em ambientes produtivos,
nos mais diversos setores, não apenas na área de laticínios e de
alimentos. Posteriormente, foram levantadas as opções de ferramentas
aplicáveis e sua relação com os recursos financeiros, humanos e
operacionais disponíveis para a pesquisa. A opção inicial por planilhas
eletrônicas deu-se basicamente pelos seguintes motivos: resultados do
levantamento feito com as indústrias de laticínios (onde quase 70% das
empresas de Minas Gerais que usam algum software na programação
da produção, adotam planilhas eletrônicas), versatilidade dos softwares
de planilhas disponíveis atualmente (interação direta com “solvers” de
PL e linguagens de programação, como VBA) e alguns resultados da
revisão de literatura (trabalhos de BUEHLMANN et al. (2000) e
CAIXETA-FILHO (2002) exemplificam boa aplicabilidade e relação
82
custo-benefício na construção de protótipos a partir de planilhas e
código VBA).
ii.
Planejamento e Design
Após a escolha pela utilização de planilhas eletrônicas (Microsoft Excel
2000) em consórcio com a linguagem VBA na construção do sistema, o
procedimento posterior foi definir de forma generalizada a estrutura do
modelo de programação linear que melhor representaria o problema do
mix de produção na indústria de laticínios. O apoio necessário foi obtido
em BENEKE & WINTERBOER (1973). Optou-se por uma funçãoobjetivo de maximização da margem de contribuição, em razão da
maior facilidade de interpretação dos resultados da otimização. A
definição das restrições do problema baseou-se na análise das
respostas obtidas no levantamento feito com as indústrias de laticínios
do Estado de Minas Gerais. O desenho do sistema, feito a partir das
características do modelo de otimização, foi dividido em 4 subsistemas:
módulo de interface I (entrada de dados), módulo de base de dados,
módulo de base do modelo e módulo de interface II (saída de
relatórios).
iii.
Construção
O protótipo, construído em planilha do software Microsoft Excel 2000
(com interface amigável), foi feito a partir da automatização de tarefas
utilizando-se macros e sub-rotinas com edição de código VBA. A base
de trabalho dessa etapa foi obtida em ALBRIGHT (2001). O sistema foi
desenvolvido em uma pasta de trabalho que aloja os quatro módulos
(planilhas). O módulo de interface I, composto por uma única planilha
de apresentação, suporta toda a entrada de dados do modelo pelo
usuário. Para isso, foram arquitetados em código VBA vários botões
automatizados e caixas de diálogo. Os dados inseridos são então
enviados e armazenados no módulo de base de dados (planilha de
83
dados). Em outra planilha foi construído o modelo de PL (módulo de
base do modelo) de acordo com o formato de entrada do solver (add-in
do Excel). Esse módulo foi diretamente vinculado ao de base de dados,
permitindo a alimentação propriamente dita do modelo matemático. O
módulo de interface II foi composto por três planilhas. A primeira se
refere à recepção dos relatórios de mix de produtos e de uso e sobra
dos recursos. A segunda, à geração do gráfico de percentagem de lucro
versus percentagem de uso de leite cru. E finalmente a terceira é
gerada para exibir dados oriundos da análise de sensibilidade.
iv.
Implementação
Nesta fase o protótipo foi inicialmente testado com pequenos modelos
de otimização de mix de produção, permitindo detectar falhas
potenciais. Depois de realizadas as devidas correções o sistema sofreu
um teste preliminar, a partir da obtenção de dados reais de um laticínio
de médio porte da Zona da Mata do Estado de Minas Gerais,
possibilitando averiguar em termos práticos a sua validação (através da
comparação do atual plano de produção da empresa com o plano ótimo
gerado pelo protótipo). Esse modelo, que representa a problema do mix
de produtos do supracitado laticínio, foi também implementado em uma
nova planilha utilizando o “solver” de forma convencional para atestar a
veracidade dos resultados obtidos.
84
4. RESULTADOS
4.1 O Modelo
Em razão da facilidade de compreensão, o problema de mix de produtos
tem sido muito utilizado por vários autores como forma de introduzir conceitos
básicos de otimização. Além disso, diversos trabalhos têm empregado a
programação linear como forma de representar matematicamente a análise de
mix, principalmente pela boa relação “simplicidade-realidade” que essa técnica
de modelagem possui.
No presente estudo o problema do mix de produção na indústria de
laticínios foi descrito através de um modelo semanal de PL de objetivo único, a
maximização da margem de contribuição, com restrições de volume de leite
recebido, creme e soro de leite gerados, disponibilidade de mão-de-obra
operacional, capacidade dos equipamentos críticos, incluindo o módulo de
estocagem (câmara fria) e limites mínimos e máximos de vendas por item
produzido. A base semanal foi escolhida por dois motivos básicos: variação
normalmente desprezível na oferta de leite no decorrer de uma semana e
definição dos planos de produção por grande parcela das indústrias de
laticínios e de alimentos ser feita semanalmente.
A função-objetivo expressa a maximização da função “margem de
contribuição total” obtida de um determinado mix de produção (tipos de
produtos e suas respectivas quantidades produzidas). Sua montagem depende
da lista total de itens fabricados, além do conhecimento prévio e preciso dos
custos e preços de venda unitários. Como mostrado a seguir, a função-objetivo
representa a maximização da soma dos produtos das respectivas quantidades
produzidas pelas margens unitárias de contribuição:
max M = Σ (Pj – Cj) . X j
onde;
85
X j = atividade j, que corresponde a quantidade de unidades produzidas do
produto j.
j
= número do item produzido ou atividade (j = 1, 2, ..., 50).
M = margem de contribuição total.
Pj = preço unitário de venda do produto j.
Cj = custo unitário de produção do produto j.
A primeira restrição listada (1) refere-se à disponibilidade semanal de leite
cru (matéria-prima principal). Nesse caso, a soma das parcelas de leite
destinada à produção de cada um dos produtos não pode ultrapassar o volume
total recebido em uma semana. O somatório das multiplicações das
quantidades produzidas, pelos volumes de leite cru gasto na produção de uma
unidade de cada produto (coeficiente-técnico de consumo de leite cru),
representa o dispêndio total de matéria-prima, como mostrado abaixo.
Σ a1j . X j ≤ b1
(1)
onde;
a1j = volume, em L, de leite cru gasto na produção da unidade do produto j.
b1 = volume total, em L, de leite cru disponível na semana (previsto).
A restrição seguinte diz respeito à relação entre creme de leite gerado (na
etapa de padronização do leite) e consumido (na fabricação de alguns
derivados). Nesse caso, obviamente, a quantidade total consumida não pode
superar a gerada. Para melhor representação tal restrição foi subdividida em
outras duas. A primeira (2) refere-se ao creme de leite gasto, que corresponde
ao somatório dos produtos das quantidades fabricadas pelos respectivos
coeficientes de consumo de creme dos produtos que o utilizam. A outra (3), da
mesma forma, responde pela soma dos produtos da quantidade produzida pelo
coeficiente de geração de creme, no processamento de cada item.
Analogamente, para a restrição de consumo e geração de soro de leite no
processamento dos derivados, foram obtidas as relações 4 e 5.
86
Σ a2j . X j ≤ b2
(2)
Σ a3j . X j = b3
(3)
Σ a4j . X j ≤ b4
(4)
Σ a5j . X j = b5
(5)
onde;
a2j = volume, em L, de creme de leite gasto na produção de uma unidade do
produto j.
a3j = volume, em L, de creme de leite gerado na produção de uma unidade
do produto j.
a4j = volume, em L, de soro de leite gasto na produção de uma unidade do
produto j.
a5j = volume, em L, de soro de leite gerado na produção de uma unidade do
produto j.
b2 = volume total, em L, de creme de leite gerado na semana.
b3 = volume total, em L, de soro de leite gerado na semana.
Com
relação
à
disponibilidade
de
mão-de-obra
operacional
foi
implementada uma restrição que corresponde ao somatório dos produtos das
quantidades produzidas de cada item (produto) pelo coeficiente técnico de
consumo de horas de trabalho (conhecido também como UTS ou unidade de
tempo de serviço). Essa soma não pode ultrapassar a oferta semanal total de
horas de mão-de-obra operacional, como mostra a relação 6.
Σ a6j . X j ≤ b4
(6)
onde;
a6j = tempo, em h, de mão-de-obra operacional gasto na produção de uma
unidade do produto j
b4 = tempo total, em h, de mão-de-obra operacional disponível na semana.
No que se refere aos limites operacionais (equipamentos e máquinas) das
indústrias de laticínios, foram elaborados dois módulos de restrições.
87
O primeiro representa o limite de estocagem da câmara fria. Nesse módulo
o volume em metros cúbicos (m3) disponível para uso na semana seguinte
(semana de efetuação do plano atual de produção) corresponde ao volume
total da câmara fria menos o volume atualmente ocupado (no dia de
elaboração do plano de produção), mais o volume de saída previsto durante a
próxima semana (até o dia de elaboração do plano seguinte de produção). O
total de volume ocupado pelas unidades produzidas é obtido pela soma dos
produtos dessas quantidades com os respectivos volumes ocupados por cada
item individualmente. Esse total não pode superar o volume disponível
estimado para a semana seguinte.
Σ a7j X j ≤ b5
(7)
onde;
a7j = volume, em m3, ocupado na câmara fria por uma unidade do produto j
b5 = volume disponível, em m3, da câmara fria na próxima semana*
* b5 = bTOT – bUTI + bSAP, sendo:
bTOT = volume total, em m3, da câmara fria
bUTI = volume utilizado, em m3, da câmara fria no final da semana atual
bSAP = volume de saída previsto, em m3, da câmara fria na próxima semana
O segundo módulo diz respeito à capacidade limite dos cinco equipamentos
considerados mais críticos no processo produtivo, de acordo com a realidade
de processamento de cada empresa. Todas correspondem à relação entre o
tempo efetivo de uso de cada equipamento (representado pela soma dos
produtos das quantidades produzidas pelos respectivos coeficientes individuais
de utilização dos equipamentos) e a disponibilidade semanal total dos
mesmos. As relações 8,9,10,11 e 12 expressam que o tempo efetivo de uso
não pode suplantar as disponibilidades semanais.
Σ a8j . X j ≤ b6
(8)
Σ a9j . X j ≤ b7
(9)
88
Σ a10j . X j ≤ b8
(10)
Σ a11j . X j ≤ b9
(11)
Σ a12j . X j ≤ b10
(12)
onde;
a8j = tempo, em h, de máquina do equipamento crítico 1 na produção de
uma unidade do produto j
a9j = tempo, em h, de máquina do equipamento crítico 2 na produção de
uma unidade do produto j
a10j = tempo, em h, de máquina do equipamento crítico 3 na produção de
uma unidade do produto j
a11j = tempo, em h, de máquina do equipamento crítico 4 na produção de
uma unidade do produto j
a12j = tempo, em h, de máquina do equipamento crítico 5 na produção de
uma unidade do produto j
b6 = tempo total, em h, de máquina do equipamento 1 disponível na semana
b7 = tempo total, em h, de máquina do equipamento 2 disponível na semana
b8 = tempo total, em h, de máquina do equipamento 3 disponível na semana
b9 = tempo total, em h, de máquina do equipamento 4 disponível na semana
b10 = tempo total, em h, de máquina do equipamento 5 disponível na
semana
Finalizando o modelo, foram incluídas as restrições mercadológicas que
correspondem aos limites mínimos e máximos de venda de cada produto. Tais
limites podem ser representados pelos históricos de vendas (mínimo ou
máximo produzido de cada item ao longo dos últimos 12 meses, por exemplo)
ou pelo volume de pedidos e encomendas de clientes para a semana seguinte
(no caso dos limites mínimos), registrados até o dia de elaboração do plano de
produção. O número de restrições, nesse caso, será igual ao número de
produtos (itens) incluídos na análise de mix. As relações 13 e 14 expressam
esses grupos de restrições.
89
X j ≥ b1j
(13)
X j ≤ b2j
(14)
onde;
b1j = quantidade mínima semanal de vendas, em unidades, do produto j
b2j = quantidade máxima semanal de vendas, em unidades, do produto j
A representação completa do problema do mix de produção na indústria de
laticínios pode ser visualizada no Anexo 1 deste capítulo.
4.2 O Protótipo
Como mencionado anteriormente o protótipo foi desenvolvido para auxiliar
potenciais gerentes e técnicos de laticínios na tomada de decisão referente à
definição do mix semanal de produção (quais produtos e quantidades serão
produzidas). O sistema foi construído em planilha eletrônica (Microsoft Excel
2000) com automatização de tarefas a partir do código de programação VBA
(Visual Basic for Applications).
De maneira geral, o protótipo permite que os usuários acessem o sistema,
inserindo novos e modificando antigos dados a respeito do problema para
obter resultados relativos ao mix ótimo de produtos.
Em interface amigável, a entrada de dados foi dividida em duas seções:
seção de cadastro, onde são inseridos os dados fixos do problema (que sofrem
pouca alteração ao longo do tempo) e seção de preparação, referente à
entrada de dados variáveis (que se modificam consideravelmente no tempo).
Efetuada a entrada de dados, o modelo de otimização composto pela funçãoobjetivo e restrições é então executado e os resultados (relatório de mix ótimo
e análises complementares, como análise de sensibilidade) exibidos na tela de
saída (Figura 1). Nota-se que o usuário não possui acesso ao modelo de
programação linear, não podendo alterar sua estrutura.
90
ENTRADA
Dados
Fixos
Dados
Variáveis
MODELO (PL)
USUÁRIO
Função
Objetivo
Interface
amigável
Restrições de
Produção
Mix Ótimo de Produção
e Resultados
Complementares
SAÍDA
Figura 1 – Estrutura geral do protótipo e sua interação com o usuário.
Numa visão mais detalhada (Figura 2), o protótipo é constituído por 4
subsistemas interligados seqüencialmente: módulo de interface I (entrada de
dados fixos e variáveis), módulo de base de dados (armazenamento de todo o
corpo atual de dados), módulo de base do modelo (armazenamento do corpo
do modelo) e módulo de interface II (saída dos relatórios de otimização e
resultados complementares). Todo os módulos do sistema foram construídos
em uma única pasta de trabalho do Microsoft Excel.
O módulo de interface I é composto por uma planilha de entrada onde se
encontram vários botões automatizados para a inserção e envio, através de
caixas de diálogo, dos dados fixos (cadastro de produtos e dos equipamentos
críticos,
coeficientes
de
uso
das
matérias-primas,
de
utilização
dos
equipamentos críticos cadastrados e da câmara fria e do consumo de mão-deobra operacional) e dados variáveis (limites semanais de vendas dos produtos,
percentual de custos fixos para obtenção do ponto de equilíbrio1, custos e
1
O ponto de equilíbrio ou de nivelamento corresponde ao nível de produção, percentual ou absoluto,
que iguala os custos totais de produção à receita bruta operacional.
91
preços unitários de venda atualizados, disponibilidades semanais dos
equipamentos críticos, câmara fria, mão-de-obra operacional e de leite cru)
para o módulo de base de dados. Vale destacar que mais de 80% do volume
total de dados inseridos no protótipo referem-se aos dados fixos, que não
devem necessariamente ser atualizados toda semana (caso dos dados
variáveis).
O armazenamento dos dados oriundos do módulo de interface I é feito em
uma planilha individual (módulo de base de dados). Essa planilha foi, por sua
vez, diretamente vinculada com a planilha do módulo de base do modelo,
alimentando assim os requerimentos da formulação de Programação Linear
(função-objetivo e restrições) implementadas no formato do “solver” (“add-in do
Excel”).
Os resultados gerados pela execução do modelo são exibidos em três
planilhas de relatório distintas. Na planilha inicial são apresentados os
resultados básicos do problema (relação do mix ótimo de produção, custos,
receitas e lucros por produto, uso e sobra individual de cada recurso produtivo
e ponto de equilíbrio da produção).
A partir desta podem ser geradas duas novas planilhas. Uma que exibe o
gráfico comparativo, por produto do mix ótimo, dos níveis percentuais de
consumo de leite cru e de lucro. A outra apresenta uma pequena tabela de
análise de sensibilidade, com os valores pertinentes dos preços-sombra2 e
custos reduzidos3.
2
O preço-sombra expressa a taxa de variação sofrida pela função-objetivo quando ocorre o aumento
ou diminuição de uma unidade de um determinado recurso com folga nula (LUNA & GOLDBARG, 2000).
3
O custo reduzido expressa a taxa de variação sofrida pela função-objetivo quando ocorre a variação
unitária em uma atividade não básica. (LUNA & GOLDBARG, 2000).
92
DADOS FIXOS
DADOS VARIÁVEIS
PLANILHA DE ENTRADA
(MODULO DE INTERFACE I)
Cadastro dos Produtos e
Equipamentos Críticos
Coeficientes de Uso das
Matérias-Primas
(Leite cru, Creme e Soro)
Limites mínimos de Vendas
(demanda mínima de
mercado)
Coeficientes de Uso de
Mão-de-obra Operacional
Coeficientes de Uso de
Equipamentos Críticos
% Custos Fixos (PE)
Custos e Preços
Unitários de Venda
Disponibilidade da
Câmara Fria e demais
Equipamentos
Disponibilidade de Leite
Cru e Mão-de-obra
Operacional
PLANILHA DE DADOS
(MODULO DE BASE DE DADOS)
PLANILHA DO MODELO
(MODULO DE BASE DO MODELO)
RELATÓRIO DE OTIMIZAÇÃO
(PLANILHA DE MIX DE PRODUÇÃO)
Mix Ótimo de Produção
Uso e Sobra dos
Recursos
PLANILHAS DE RELATÓRIO
(MODULO DE INTERFACE II)
Ponto de Equilíbrio ou de
Nivelamento
RELATÓRIOS COMPLEMENTARES
(PLANILHAS DE SENSIBILIDADE E DE GRÁFICO)
Análise de Sensibilidade
Figura 2 - Estrutura detalhada do protótipo desenvolvido.
93
Gráfico
%Lucro X %Leite
Em seguida serão exibidas, para melhor entendimento e visualização do
sistema desenvolvido, algumas imagens reais das planilhas do protótipo.
O sistema, denominado LAT MIX, é inicializado através de um arquivo
comum do Excel (com macros). Primeiramente é exibida a tela de
apresentação que dá acesso aos comandos de entrada de dados e de
execução do protótipo (Figura 3). Durante a inserção de dados são mostradas
as caixas de diálogo acionadas pelos devidos botões automatizados (Figura 4).
Depois de inseridos todos os dados do problema, o sistema pode ser então
executado e, através da resolução do modelo de otimização do mix de
produção, é gerada a tela de relatório inicial (Figura 5). A partir desta podem
ser obtidos o gráfico de lucro versus consumo de leite cru (Figura 6) e a tabela
de análise de sensibilidade (Figura 7).
Figura 3 – Planilha de entrada do protótipo
94
Figura 4 – Tela demonstrativa da inserção de dados usando caixas de diálogo
Figura 5 – Planilha de relatório inicial do protótipo
95
Figura 6 – Planilha de gráfico (%Leite x %Lucro)
Figura 7 – Planilha de análise de sensibilidade.
96
Em suma o protótipo foi desenvolvido de acordo com conceitos básicos de
arquitetura de sistemas de apoio à decisão, possuindo uma interface autoexplicativa e amigável que torna o seu uso simples e rápido, estimulando
gerentes e técnicos de laticínios a adotarem sistemas informatizados de
suporte às decisões relativas ao processo de programação da produção.
4.3 Teste do protótipo
O protótipo foi testado a partir de dados reais de uma indústria de laticínios
de pequeno porte do Estado de Minas Gerais, visando obter noções iniciais
sobre a efetividade do sistema. Para isso foram obtidas, diretamente com a
gerência administrativa, de vendas e de produção da empresa, todo o corpo de
dados e informações disponíveis relativos a uma semana típica do mês de
fevereiro do ano de 2004. Alguns dados, que não eram ainda conhecidos pela
empresa ou não estavam disponíveis no momento, tiveram que ser estimados
(caso dos coeficientes unitários de uso dos equipamentos críticos e de
consumo e geração de creme e soro de leite por item fabricado) ou medidos
(no caso dos coeficientes de uso da câmara fria pelos produtos).
A empresa, que recebe em média 10.000 litros de leite por dia, tem uma
variedade de produtos que supera 40 itens diferentes. Incluem-se nessa linha
de produtos, itens iguais com embalagens de tamanhos diferentes, produtos
que usam e geram creme e soro de leite em seus respectivos processos
produtivos. O laticínio possui destacada organização com departamentos
distintos de compras, vendas, administrativo e de produção, realizando
semanalmente um efetivo controle e apuração de seus custos de produção
(baseado em software específico para essa atividade gerencial). Esses fatores,
primordialmente, facilitaram e estimularam a escolha de tal empresa para
realizar o teste preliminar do sistema desenvolvido.
No teste foram cadastrados, no protótipo, trinta e três (33) produtos
diferentes, os quais podiam efetivamente ser produzidos na semana analisada.
97
No cadastro de equipamentos foram incluídas, segundo sugestões do gerente
de produção da empresa, quatro máquinas consideradas críticas dentro do
ambiente de processamento, como o pasteurizador de placas e a
empacotadora de iogurte.
Posteriormente foram inseridos todos os coeficientes técnicos dos 33
produtos, referentes às matérias-primas, equipamentos e mão-de-obra
operacional, além dos dados semanais de limites mínimos e máximos de
vendas (histórico de vendas), custos, preços e disponibilidades totais
operacionais do laticínio. O problema montado representou algebricamente
uma matriz de tamanho 33 x 78 (sendo número de atividades versus número
de restrições respectivamente, sem contabilizar as variáveis de folga), o que
gerou um total de aproximadamente 2500 elementos.
Com todo o corpo de dados pronto, o sistema foi executado, gerando o mix
ótimo de produtos. Tal mix foi então, na semana seguinte, comparado com a
produção efetivamente feita durante esse período. A Tabela 1 mostra a
diferença percentual entre o número total de unidades por produto do mix
ótimo (obtido pela resolução do modelo de programação linear do protótipo) e
o total de unidades realmente fabricadas durante a semana. Valores positivos
representam quão maior foi a produção efetiva em relação ao nível ótimo. Já
valores negativos expressam o contrário.
Tabela 1 – Diferença percentual entre o nível ótimo e o produzido, por produto.
Produto
Diferença%
Produto
Diferença%
Produto
Doce de Leite 1
10.77%
Iogurte 6
29.03%
Requeijão 1
0.00%
Doce de Leite 2
-52.00%
Iogurte 7
44.30%
Requeijão 2
116.00%
Doce de Leite 3
-47.83%
Iogurte 8
0.00%
Manteiga 1
-4.62%
Doce de Leite 4
-20.00%
Iogurte 9
-46.67%
Queijo 1
42.86%
Doce de Leite 5
-25.00%
Iogurte 10
18.52%
Queijo 2
150.00%
Doce de Leite 6
0.00%
Iogurte 11
5.08%
Queijo 3
112.50%
Iogurte 1
-14.74%
Iogurte 12
-90.00%
Ricota 1
-20.00%
Iogurte 2
20.00%
Iogurte 13
36.07%
Queijo 4
400.00%
Iogurte 3
10.51%
Iogurte 14
18.52%
Leite Pasteurizado 1
21.42%
Iogurte 4
-94.00%
Iogurte 15
5.88%
Leite Pasteurizado 2
12.60%
Iogurte 5
54.32%
Iogurte 16
-75.00%
Leite Pasteurizado 3
14.89%
98
Diferença%
Como pode-se verificar na Tabela 1, dos trinta e três (33) itens apenas três
(3) foram produzidos exatamente no nível ótimo de produção (Doce de Leite 6,
Iogurte 4 e Requeijão 1), ou seja, a diferença percentual na semana
investigada foi nula. Outros três (3) produtos tiveram suas quantidades
produzidas bem próximas dos valores considerados ótimos pelo protótipo
(Iogurtes 11 e 15 e Manteiga 1).
Por outro lado, a grande maioria dos produtos da empresa não foi
produzida
em
níveis
adequados,
merecendo
destaque
aqueles
com
quantidades fabricadas muito distante do padrão ótimo, superando 100% de
diferença (Requeijão 2 e os Queijos 2, 3 e 4).
Em relação à sobra e uso dos recursos disponíveis, foram obtidas
expressivas indicações de ociosidade no ambiente produtivo, mesmo que a
empresa venha a trabalhar em condições ótimas. Os quatro equipamentos
inseridos na análise, apesar de considerados críticos no processamento,
trabalhariam com capacidades inativas, apresentando sobras de tempo
superiores a 70% do total disponível. A câmara fria teria, por sua vez, uma
sobra de volume útil próximo de 50% da sua capacidade total nas condições
supracitadas. Além disso, os resultados relativos ao uso de mão-de-obra
mostraram de forma preliminar, que a empresa possui pessoal operacional
ocioso. Mais de 80% do tempo semanal ofertado desse recurso, em níveis
ótimos, não seria necessário diretamente para fabricação dos produtos.
A tabela de análise de sensibilidade, em conseqüência das ociosidades
detectadas, apresentou valores nulos de preço-sombra para a maior parte dos
recursos.
As
exceções
foram
os
relativos
às
matérias-primas
de
processamento. O aumento de um litro de leite cru, de soro de leite e de um
quilograma de creme, no caso estudado, provocariam acréscimos respectivos
de R$ 0,62, R$0,03 e R$3,25 na margem de contribuição total da empresa.
Segundo resultados obtidos na execução do protótipo (para a semana
analisada), tais fatos podem pesar diretamente nos aspectos financeiros da
empresa. A produção em níveis longínquos dos padrões ótimos, aliada às
ociosidades no ambiente produtivo, apesar de apresentarem uma potencial
99
redução de 15% nos custos de produção, revelam uma potencial “perda” de
acréscimo de 14% na receita bruta em relação ao efetivamente gerado. Esses
fatores poderiam se reverter em um aumento de até 12% dos lucros totais da
empresa.
Vale apenas advertir que as comparações e argumentos acima levantados,
além de se referirem a uma análise isolada de uma única semana, têm caráter
estritamente teórico e ilustrativo, não possuindo nenhuma intenção de detectar
problemas ou servir de base para mudanças reais na empresa investigada.
5. CONCLUSÕES
O desenvolvimento do protótipo de sistema de apoio à decisão descrito no
presente trabalho permitiu revelar alguns pontos relativos às suas dificuldades,
requerimentos mínimos, vantagens e benefícios.
Na fase de modelagem o principal problema foi representar de forma
generalizada a qualquer laticínio de pequeno e médio porte, o problema do mix
de produção. Apesar da boa amplitude do modelo proposto, sabe-se que cada
indústria,
principalmente
no
setor
em
questão,
tem
suas
próprias
características e peculiaridades, fazendo com que nem sempre tal modelo se
adapte perfeitamente à realidade de todas às empresas. Além disso, não se
deve deixar de questionar as limitações inerentes aos modelos de
programação linear simples, especialmente no que se refere aos fatores de
proporcionalidade (poder de barganha em compra e vendas de matéria-prima,
insumos e produtos é desprezado) e veracidade (confiança e certeza plena nos
dados de preços, limites e coeficientes técnicos do modelo).
As etapas de “design” e programação do sistema mostraram também
algumas dificuldades. A montagem de toda estrutura de entrada de dados,
interface, conexões do sistema e geração de relatórios e gráficos do problema
não são triviais, requerendo pessoal especializado e com formação específica
em computação ou ciências correlatas. Inclusive reconhece-se aqui a
100
necessidade de aprimoramento e evolução do sistema desenvolvido no que se
refere a tais pontos.
Mesmo com tais dificuldades, a avaliação da versão final do protótipo
revelou um sistema de boa funcionalidade, facilidade de uso, além de uma
interface amigável (com cores, botões e desenhos amistosos) e autoexplicativa, estimulando gerentes e técnicos de laticínios a adotarem sistemas
informatizados de suporte às decisões relativas ao processo de programação
da produção. Assim como em outras aplicações semelhantes descritas na
literatura, a ferramenta desenvolvida pode certamente oferecer maior precisão
e dinamismo à definição semanal do mix de produtos, proporcionando
paralelamente aos gestores envolvidos no seu uso, maior conhecimento e
novas visões do processo produtivo e do mercado de leite e derivados.
Adicionalmente, é importante ressaltar que a elaboração do sistema não
necessitou de grandes investimentos, quando comparado aos de pacotes de
softwares encontrados no mercado.
Testes iniciais realizados com o protótipo mostraram, dentre outros
aspectos, alguns requerimentos mínimos que os laticínios devem possuir antes
de desenvolver e implementar sistemas de apoio similares ao descrito neste
estudo. Pelo fato de estar diretamente ligado ao processo de definição do mix
de produtos, a realização de um efetivo e apurado controle dos custos de
produção
é
essencial.
O
uso
de
protótipo
desenvolvido
não
seria
recomendado, portanto, em laticínios que não conhecem precisamente todos
os seus custos. Além do mais, os potenciais usuários (gerentes, técnicos,
diretores) devem possuir sólidos conhecimentos sobre processamento e
noções básicas de engenharia econômica e administração, para que os
benefícios do uso do sistema sejam efetivamente repassados para a empresa.
Com relação ao teste de aplicação realizado, reforça-se aqui o seu caráter
ilustrativo e científico, visando apenas averiguar a funcionalidade e efetividade
do protótipo criado, sem o desígnio direto de avaliar o problema do mix de
produção na empresa estudada. Mesmo porque, em caso de implementação e
uso do sistema em termos práticos, seriam necessários períodos mais longos
101
(talvez da ordem de meses) e exames mais minuciosos da empresa (com
contato direto e freqüente com o pessoal administrativo e operacional) para
que pudessem ser sugeridas quaisquer mudanças no atual mix de produtos.
De qualquer forma, a aplicação confirmou o potencial deste tipo de ferramenta
computacional para a melhoria dos processos gerenciais e conseqüente
aumento da competitividade das empresas laticinistas.
6. REFERÊNCIAS
ALBRIGHT, S.C. VBA for Modelers : Developing Decision Support
Systems with Microsoft Excel. USA : Pacific Grove, Duxbury, 2001. 549p.
BENEKE, R.R.; WINTERBOER, R. Linear Programming Applications to
Agriculture. USA : Ames, Iowa, The Iowa State University Press, First Edition
1973. 244p.
BRAGA, J. L. Tecnologia da Informação : Apostila MBA Agronegócio. Viçosa,
2001. 76p.
BROWN, G. et al. The Kellogg Company Optimizes Production, Inventory, and
Distribution. Interfaces, USA: Monterey, v.31, p.1-15, nov./dec. 2001.
BUEHLMANN, U., RAGSDALE, C.T.; GFELLER, B. A Spreadsheet-based
Decision Support System for Wood Panel Manufacturing. Decision Support
Systems, USA : Raleigh, v.29, p.207-277, 2000.
CAIXETA-FILHO, J. V.; SWAAY-NETO, J. M.; WAGEMAKER, A. P.
Optimization of the Production Planning and Trade of Lily Flowers at Jan de Wit
Company. Intefaces, USA, v.13, n.1, p.35-46, 2002
CARVALHO, A.J.R.; SILVA, C.A.B. Sistema Informatizado Aplicado à
Análise dos Custos de Produção na Indústria de Laticínios. Universidade
Federal de Viçosa, Tese. Viçosa, 1997 110p.
CLASSEN, G.D.H & van BEEK P. Planning and Scheduling and Packaging in
Food Industry. European Journal of Operational Research, The Netherlands:
Wageningen, nº70, p.150-158 1993.
HARRISON, H. Management Science and Productivity Improvement in Irish
Milk Cooperatives. Interfaces, Ireland: Dublin, v.16, p.31-40, jul./aug. 1986
102
HSIANG, T. How to conduct product mix analysis. OR/MS Today, USA, p.3639 jun. 2002
LUNA, H.P.L. & GOLDBARG, C.M. Otimização Combinatória e
Programação Linear. Editora Campus, Rio de Janeiro, 2000, 649 pp.
RANDHAWA, S.U. & BJARNASON, E.T. A Decision Aid for Coordinating
Fishing and Fish Processing. European Journal of Operational Research,
USA : Corvallis, nº81, p.62-75 1995.
OY, A., FALOMIR, E.E. & LASDON,L. An Optimization-based Decision Support
System for a Product Mix Problem. Interfaces, México : Chihuahua, v. 12, n.2,
p.26-33, apr. 1982
SEBRAE/SP A Informatização nas MPEs Paulistas. Relatório de Pesquisa,
Assessoria de Pesquisas, São Paulo, 2003 39p.
TURBAN, E. & ARONSON, J. E. Decision Support Systems and Intelligent
Systems. Prentice-Hall : New Jersey, 1998. 589p.
103
ANEXO 1
Modelo para Otimização do Mix de Produção na Indústria de Laticínios
Margem de contribuição
max M = Σ (Pj – Cj) . X j
sujeito à
Leite cru disponível
Σ a1j . X j ≤ b1
(1)
Creme utilizado
Σ a2j . X j ≤ b2
(2)
Creme gerado
Σ a3j . X j = b2
(3)
Soro utilizado
Σ a4j . X j ≤ b3
(4)
Soro gerado
Σ a5j . X j = b3
(5)
Mão-de-obra disponível
Σ a6j . X j ≤ b4
(6)
Câmara fria
Σ a7j . X j ≤ b5
(7)
Equipamento 1
Σ a8j . X j ≤ b6
(8)
Equipamento 2
Σ a9j . X j ≤ b7
(9)
Equipamento 3
Σ a10j . X j ≤ b8
(10)
Equipamento 4
Σ a11j . X j ≤ b9
(11)
Equipamento 5
Σ a12j . X j ≤ b10
(12)
Limite de vendas
X j ≥ b1j
(13)
X j ≤ b2j
(14)
104
Variáveis e parâmetros:
X j = atividade j, que corresponde a quantidade de unidades produzidas do produto j
j
= número de atividades do modelo (j = 1, 2, ..., 50)
m
= número de restrições do modelo (m = 1, 2, ..., 12+2j)
M = margem de contribuição total
Pj = preço unitário de venda do produto j
Cj = custo unitário de produção do produto j
a1j = volume, em L, de leite cru gasto na produção de uma unidade do produto j
a2j = volume, em L, de creme de leite gasto na produção de uma unidade do produto j
a3j = volume, em L, de creme de leite gerado na produção de uma unidade do produto j
a4j = volume, em L, de soro de leite gasto na produção de uma unidade do produto j
a5j = volume, em L, de soro de leite gerado na produção de uma unidade do produto j
a6j = tempo, em h, de mão-de-obra operacional gasto na produção de unidade do produto j
a7j = volume, em m3, ocupado na câmara fria por uma unidade do produto j
a8j = tempo, em h, de máquina do equipamento 1 na produção de uma unidade do produto j
a9j = tempo, em h, de máquina do equipamento 2 na produção de uma unidade do produto j
a10j = tempo, em h, de máquina do equipamento 3 na produção de uma unidade do produto j
a11j = tempo, em h, de máquina do equipamento 4 na produção de uma unidade do produto j
a12j = tempo, em h, de máquina do equipamento 5 na produção de uma unidade do produto j
b1 = volume total, em L, de leite cru disponível na semana
b2 = volume total, em L, de creme de leite gerado na semana
b3 = volume total, em L, de soro de leite gerado na semana
b4 = tempo total, em h, de mão-de-obra operacional disponível na semana
3
b5 = volume disponível, em m , da câmara fria na próxima semana*
* b5 = bTOT – bUTI + bSAP, sendo:
bTOT = volume total, em m3, da câmara fria
bUTI = volume utilizado, em m3, da câmara fria no final da semana atual
3
bSAP = volume de saída previsto, em m , da câmara fria na próxima semana
b6 = tempo total, em h, de máquina do equipamento 1 disponível na semana
b7 = tempo total, em h, de máquina do equipamento 2 disponível na semana
b8 = tempo total, em h, de máquina do equipamento 3 disponível na semana
b9 = tempo total, em h, de máquina do equipamento 4 disponível na semana
b10 = tempo total, em h, de máquina do equipamento 5 disponível na semana
b1j = quantidade mínima semanal de vendas, em unidades, do produto j
b2j = quantidade máxima semanal de vendas, em unidades, do produto j
105
COMENTÁRIOS FINAIS
O presente trabalho representa uma contribuição pioneira na identificação e
análise das reais minúcias envolvidas no processo de definição dos planos de
produção em indústrias de laticínios do Brasil. Em razão de sua grande
extensão e complexidade no âmbito gerencial das empresas, deve-se, apesar
disso, reconhecer aqui que há ainda muito o que ser avaliado e estudado
nesse contexto, para que se determinem de forma mais pontual e precisa os
pontos positivos e negativos, permitindo ações eficientes por parte das próprias
empresas e órgãos e entidades do setor, para que efetivamente o
planejamento da produção possa operar como agente de melhoria competitiva.
A identificação de que grande parcela das indústrias de laticínios ainda não
desfruta de métodos e ferramentas de apoio a programação da produção,
definindo seus planos produtivos mais com base em aspectos subjetivos do
que em aspectos objetivos era, de certa maneira, uma faceta previsível.
Trabalhos e diagnósticos anteriores, apesar de não entrarem muito no mérito
da questão de definição de planos de produção, já retratavam uma indústria
desprovida
de
recursos
gerenciais
qualificados,
sejam
humanos
ou
computacionais, em outras atividades como o controle e apuração de custos.
Nesse sentido, o protótipo computacional desenvolvido procurou mostrar,
mesmo que de forma preliminar, que a construção e implementação de
sistemas de apoio às decisões relativas ao planejamento da produção podem
ser plenamente aplicáveis nas pequenas e médias indústrias de laticínios, não
requerendo altos investimentos e sendo facilmente manipuladas por técnicos e
gerentes laticinistas. Além disso, assim como em casos de ferramentas muito
semelhantes relatadas na literatura, os benefícios podem ser significativos,
provocando melhor alocação dos recursos de produção, com conseqüente
redução de custos e lançamento de produtos no mercado a preços mais
competitivos.
106
Portanto, espera-se que os resultados disponibilizados neste estudo
possam contribuir, de forma direta ou indireta, para que as indústrias de
laticínios de pequeno e médio porte possam evoluir seus processos gerenciais
relativos à programação da produção, operando no mercado de forma mais
nivelada com as grandes indústrias.
107